kl散度 正则化项
    KL散度，又称为Kullback–Leibler散度（Kullback-Leibler divergence），是一种用于衡量两个概率分布之间差异的指标。它可以衡量两个概率分布p和q之间的信息增益，或者可以描述在给定概率分布q的情况下，使用概率分布p所需要的额外信息。正则化英文
    正则化项是在机器学习模型中的一种约束，用于控制模型的复杂度。它通常被添加到损失函数中，目的是通过限制模型参数的取值范围或者降低参数的数值大小来提高模型的泛化能力，并防止过拟合的发生。正则化项可以分为L1正则化和L2正则化，它们分别通过对模型参数的绝对值和平方进行约束，从而实现模型的正则化。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。