Inception score
作用
评估ＧＡＮ模型的指标，评价生成的图片集合的好坏
特点
- 单一样本的独特性：哪个样本属于哪一类的确定性很大（p(y|x)的某一个值很大其他值很小，即熵很小）
最小化
- 多样本间的差异性：结果有很多类 （ｐ(y)的各个值相差不大，即熵很大）
最大化
综合起来就是
-
展开
因为实际当中，我们无法计算积分，就采用蒙特卡罗的方法，将积分计算换成求和：
实际计算中，我们一般把所有数据分成几份，我们对每一份数据进行上面的计算，然后计算这几份数据的平均值和方差。
代码
(官方)https://github.com/openai/improved-gan/blob/master/inception_score/model.py
def preds2score(preds,splits): # 公式
'''
:param preds: 总数据
:param splits: 数据被分成的份数
:return: inception score
'''
scores = []
for i in range(splits):
part = preds[(i * preds.shape[0] // splits):((i + 1) * preds.shape[0] // splits), :]
kl = part * (np.log(part) - np.log(np.expand_dims(np.mean(part, 0), 0)))
kl = np.mean(np.sum(kl, 1))
scores.append(np.exp(kl))
return np.mean(scores), np.std(scores)
