我正在尝试使用 KL 散度计算我的网络的准确性。预测是一个 k 维概率向量，应与相同维度的黄金标准概率分布进行比较。 我试过这个：
corr_subj_test = tf.contrib.distributions.kl(pred_subj, y)
accr_subj_test = tf.reduce_mean(corr_subj_test)
但最终得到如下错误：
NotImplementedError: 没有为 dist_a 注册 KL(dist_a || dist_b) 类型张量和 dist_b 类型张量
【问题讨论】：
标签： python machine-learning tensorflow neural-network
检查张量流github 和其他一些给出相同NotImplementedError 错误的问题（如this one）似乎kl() 方法当前不接受参数类型的特定组合。
如果可能，您可以将您的数据以它接受的数据类型传递给kl()（可能会转换您的数据以实现此目的）。**
您也可以尝试将其发布到 tensorflow issues 以讨论您的问题。
** 编辑：
正如this 问题中的答案所建议和解释的那样，您可以通过使用交叉熵而不是softmax_cross_entropy_with_logits 方法来获得所需的结果，如下所示：
newY = pred_subj/y
crossE = tf.nn.softmax_cross_entropy_with_logits(pred_subj, newY)
accr_subj_test = tf.reduce_mean(-crossE)
【讨论】：