初始化分数

初始化分数（IS）是一种算法，用于评估由生成式图像模型（如生成式对抗网络（GAN））创建的图像的质量。该分数的计算是基于一个单独的、经过预训练的Inceptionv3图像分类模型的输出，该模型应用于生成式模型生成的图像样本（通常为30,000张左右）。当以下条件为真时，Inception分数就达到了xxx。Inceptionv3模型对生成的图像所预测的标签分布的熵是最小的。换句话说，分类模型自信地预测了每张图像的单一标签。分类模型的预测在所有可能的标签上都是均匀分布的，这与生成的图像是鲜明的或不同的愿望相对应。它在某种程度上被相关的Fréchetinceptiondistance取代了。起始分数只评估生成图像的分布，而FID则将生成图像的分布与一组真实图像的分布（地面真相）进行比较。

让我们有两个空间，图像的空间为了证明这是非负的，使用詹森不等式。伪代码。输入判别器{displaystylep_{dis}(x_cdot|x_{i})},即以图像为条件的标签概率分布。，是以图像为条件的标签的概率分布{displaystylep_{gen}}，判别器返回完全相同的标签预测。，判别器返回完全相同的标签预测值{displaystylep_{dis