我想你可以。只需对两个向量进行归一化以确保它们是分布。然后你可以应用 kl 散度。请注意以下几点： - 在计算 kl-d 时需要使用非常小的值以避免被零除。换句话说，用非常小的值替换任何零值-kl-d 不是度量。Kl(AB) 不等于 KL(BA) 。如果您对它作为度量感兴趣，则必须使用对称 kl = (Kl(AB) +KL(BA) )/2

即使有可能，它也可能不会产生有意义的度量。但是，我建议要小心以下几点：

• 概率分布应该代表概率。您不能采用任意向量并将它们视为概率分布。这里的关键是对为什么结果 X 具有 0.2（任意）概率的合理解释。“计算”概率的最简单方法是考虑它是由 N 次试验组成的实验中的发生频率。

• 你的尺寸代表什么？展平矩阵仅意味着您现在有一个向量。拥有一个向量可能足以让您的功能运行，但可能无法为您提供有意义的衡量标准。

• 如果向量的总和不等于 1，则 stats.entropy 会对其进行归一化。通常您会希望在管道上使用相同类型的归一化。如有必要，请务必在传递给 entropy() 之前对其进行规范化。这是熵执行的归一化：

  pk = 1.0*pk / np.sum(pk, axis=0)