JS散度解決了KL不對稱的問題，JS是對稱的。
很明顯，如果P1，P2完全相同，那么JS =0， 如果完全不相同，那么就是1.
JS散度是利用KL散度來得到的。JS是對稱的而且值是有界的[0,1].
P,Q和第三個分布進行KL計算（第三個分布：（P+Q）/2 ）
JS散度是有界的：
但是KL和JS散度來度量時候有一個問題：
如果兩個分配P,Q離得很遠，完全沒有重疊的時候，那么KL值是沒有意義的，而JS值是一個常數。這在學習算法中是比較致命的，這就意味這這一點的梯度為0。梯度消失了。