网站登陆界面psdjsp手机版网站开发
背景
KL Loss主要监督的是模型输出分布 VS 目标分布 之间的相似性
它不直接监督位置、速度等数值，而是监督模型「认为哪种可能性更大」是否和目标一致。
在多模态预测、知识蒸馏、策略学习中尤为重要。
KL 散度主要监督什么？
| 项目 | 监督内容 | 应用场景 |
|---|---|---|
| 分布相似性 | 模型输出的概率分布（预测） vs 目标分布（通常是软标签） | 知识蒸馏、轨迹分布、行为克隆等 |
| 不确定性建模 | 模型输出多个选择的分布（如多轨迹） vs 真值分布（soft target） | 轨迹预测、多模态输出 |
| 知识对齐 | 学生网络预测分布 vs 教师网络的 soft 分布 | 蒸馏 |
| 行为模仿/规划策略 | 模型生成的动作分布 vs 专家动作分布 | 模仿学习、策略学习 |
具体例子
- 知识蒸馏（Knowledge Distillation）
监督：
KL(Teacher(logits).softmax || Student(logits).softmax)
目标：让学生网络模仿教师网络输出的“概率分布”，而不是 hard label。
- 轨迹预测（Trajectory Prediction）
如果模型预测多种未来轨迹，每种轨迹有一个概率（例如多模态轨迹）：predicted_probs = [0.6, 0.3, 0.1]
ground_truth_probs = [1.0, 0.0, 0.0] # one-hot or soft label from expertKL(predicted || ground_truth)
- 行为克隆（Behavior Cloning）/模仿学习
如果从专家（如人类或 rule-based agent）采样得到 soft policy 分布，模型输出 policy logits：
expert_policy = [0.7, 0.2, 0.1]
model_output = logits → softmax → [0.4, 0.4, 0.2]loss = KL(expert_policy || model_output)
目标：让模型模仿专家的策略分布（而不是只学最优动作）。
最基础的手写 KL 散度 loss (batch-wise)
假设：
p_target 是目标分布（通常来自 ground truth，已经是 soft label，如 one-hot 或 softmax）
q_pred 是模型输出分布（经过 softmax 或 log_softmax 之后）
import torch
import torch.nn.functional as Fdef kl_loss_manual(log_q, p):"""手动实现的KL散度：KL(p || q)参数:- log_q: 模型输出的对数概率分布（log_softmax后的）- p: 目标分布（soft label 或 one-hot）返回:- 平均 KL 散度 loss"""kl = p * (torch.log(p + 1e-10) - log_q) # 避免 log(0)return kl.sum(dim=-1).mean()
# 模拟一个 batch，有3个样本，每个是3类分类任务
logits = torch.tensor([[2.0, 1.0, 0.1],[1.5, 2.0, 0.5],[0.1, 0.2, 3.0]])# 模型输出的 log_softmax
log_q = F.log_softmax(logits, dim=1)# 假设目标是 one-hot（可以是 soft label）
p = torch.tensor([[1.0, 0.0, 0.0],[0.0, 1.0, 0.0],[0.0, 0.0, 1.0]])loss = kl_loss_manual(log_q, p)
print("KL Loss:", loss.item())