https://blog.csdn.net/weixinhum/article/details/85065350
假设q(x)是用来拟合p(x)的概率分布，x属于p的样本空间，交叉熵用于衡量q在拟合p的过程中，用于消除不确定性而充分使用的信息量大小（理解为衡量q为了拟合p所付出的努力，另外注意交叉熵定义里的“充分使用”和信息熵定义里的“所需”的区别，“充分使用”不一定能达到全部，“所需”是指全部）。
由于在每一个点X=x处q的香农信息量为-logq(x)，也就是在点X=x处，q消除不确定性而充分使用的信息量为-logq(x)（理解为衡量q在X=x处为了拟合p所作的努力），那么就可以计算出在整个样本空间上q消除不确定性而充分使用的总体信息量，即-logq(x)的数学期望，由于每个x的权重为p(x)，因此交叉熵H(p,q）为：
---------------------
相对熵的公式如下：
DKL(p∥q)=∑Ni=1p(xi)logp(xi)−∑Ni=1p(xi)logq(xi) D _ { K L } ( p | q ) = sum _ { i = 1 } ^ { N }p left( x _ { i }
ight)log p left( x _ { i }
ight)-sum _ { i = 1 } ^ { N }p left( x _ { i }
ight)log q left( x _ { i }
ight)
D
KL
(p∥q)=
i=1
∑
N
p(x
i
)logp(x
i
)−
i=1
∑
N
p(x
i
)logq(x
i
)
可以看到前面一项是真实事件的信息熵取反，我们可以直接写成
DKL(p∥q)=−H(p)−∑Ni=1p(xi)logq(xi) D _ { K L } ( p | q ) = -H(p)-sum _ { i = 1 } ^ { N }p left( x _ { i }
ight)log q left( x _ { i }
ight)
D
KL
(p∥q)=−H(p)−
i=1
∑
N
p(x
i
)logq(x
i
)
在神经网络训练中，我们要训练的是q(xi) q ( x _ { i })q(x
i
)使得其与真实事件的分布越接近越好，也就是说在神经网络的训练中，相对熵会变的部分只有后面的部分，我们希望它越小越好，而前面的那部分是不变的。因此我们可以把后面的部分单独取出来，那部分就是交叉熵，写作：
H(p，q)=−∑Ni=1p(xi)logq(xi) H(p，q) = -sum _ { i = 1 } ^ { N }p left( x _ { i }
ight)log q left( x _ { i }
ight)
H(p，q)=−
i=1
∑
N
p(x
i
)logq(x
i
)
这就是我们经常在神经网络训练中看到的交叉熵损失函数。如果要了解它的内涵，要回头去看相对熵。
---------------------