pytorch 计算相似度，相关系数

torch.cosine_similarity 可以对两个向量或者张量计算相似度

  

   

    

     

    
    

     

      >>> input1 = torch.randn(100, 128)
     
    
   

    

     

    
    

     

      >>> input2 = torch.randn(100, 128)
     
    
   

    

     

    
    

     

      >>> output = torch.cosine_similarity(input1, input2, dim=1)
     
    
   

    

     

    
    

     

      print(output.shape)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      torch.Size([100])
     
    
   

    

     

    
    

     

      hg1 = torch.FloatTensor(torch.randn([12]))
     
    
   

    

     

    
    

     

      hg2 = torch.FloatTensor(torch.randn([12]))
     
    
   

    

     

    
    

     

      torch.cosine_similarity(hg1, hg2, dim=0)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      tensor(-0.1543)
     
    
  
 

pytorch计算欧式距离

  

   

    

     

    
    

     

      torch.dist(hg1, hg2, p=2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      如果自己写的话就是：（因为很简单，大多数人自己写），Pytorch里封装了这个距离函数
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      torch.sqrt(torch.sum((hg1-hg2)**2))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      Hamming 距离，汉密尔顿距离
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      torch.dist(hg1, hg2, p=1)
     
    
  
 

一些计算向量相似度的函数，例如Cosine, BiLinear, TriLinear, Muiltihead等
 

  

   

    

     

    
    

     

      import torch
     
    
   

    

     

    
    

     

      import torch.nn as nn
     
    
   

    

     

    
    

     

      import math
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      class CosineSimilarity(nn.Module):
     
    
   

    

     

    
    

     

          """
     
    
   

    

     

    
    

     

          Thi
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/117342320