这同样是一个使用GAN生成CTA图像的工作。与之前分享的一篇工作不同的是，该工作聚焦于颅底小血管，理论上来说更加困难。论文发表在IEEE Access。代码地址：https://github.com/Flora-huay/VesselTranGAN。

点击创建Debug配置文件；

通过上面的分析，我们给出了信息量的定义。显然不是，因为如果是加和的话，实力悬殊队伍的比赛结果相对来说是确定的，大概率是实力强的队伍赢得比赛，所以它的不确定性是低的，但此时它的熵却是高的，所以熵并不是信息量的简单加和。至此，我们通过信息量和熵引出交叉熵，并介绍了交叉熵是如何用于损失计算的，希望能够对有需要的伙伴提供帮助，如果文中有歧义或者有错误的地方，欢迎大家在评论区指出！表示每个事件发生的概率，即