待验证50% 置信事实精确时间
可借助Fréchet Inception Distance（FID）或Maximum Mean Discrepancy（MMD）等分布距离度量来量化增强后训练分布与真实测试分布之间的偏移
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证量化测量域偏移程度的常用方法包括最大均值差异（MMD）和Fréchet Inception Distance（FID）80% 相似待验证FID（Fréchet Inception Distance）由Heusel等人于2017年提出，用预训练Inception网络提取特征并将分布建模为多元高斯，计算Fréchet距离，FID值越低表明分布越接近79% 相似待验证FID（Fréchet Inception Distance）通过比较真实数据与生成数据在深度神经网络特征空间中的统计分布差异来评估生成质量，数值越低表示越接近真实74% 相似待验证混合精度训练通常配合损失缩放（Loss Scaling）技术使用，以防止梯度在 FP16 表示范围内消失70% 相似待验证分布偏移意味着训练集与测试集之间的KL散度不为零，即两个分布之间存在可度量的信息差距70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/518105API
curl https://kongchang.com/api/v1/knowledge/claims/518105MCP
get_claim(id=518105)