def divergence(y, x): div = 0. for i in range(y.shape[-1]): div += torch.autograd.grad(y[..., i], x, torch.ones_like(y[..., i]), create_graph=True)[0][..., i:i+1] return div 解释一下

这里的divergence指的是Kullback-Leibler divergence，是一种用于衡量两个概率分布的相似程度的分布度量。它的定义是：KL（P，Q）= ∑P（i）log（P（i）/Q（i））。在这里，div是一个张量，用于表示两个函数（y和x）的KL divergence，它的每个元素都是一个梯度，即梯度y[...,i]在x上的值。