pytorch 计算相似度，相关系数

最新推荐文章于 2024-06-21 10:40:41 发布

AI算法网奇

最新推荐文章于 2024-06-21 10:40:41 发布

阅读量6.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： pytorch知识宝典文章标签： pytorch 人工智能 python

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

pytorch知识宝典专栏收录该内容

512 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了在PyTorch中如何计算矩阵的相关系数矩阵，以及使用torch.cosine_similarity进行向量相似度计算。虽然cosine_similarity能判断方向，但其精度有限。此外，还提到了其他如欧式距离、Cosine、Bilinear、TriLinear、Multihead等向量相似度计算方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

结果：可能为负数，只能判断方向，相似度精度比较低。

比如1和10000的相似度为1，1和-1的相似度为-1。

import torch

input1 = torch.randn(10, 12)
input2 = torch.randn(10, 12)
output = torch.cosine_similarity(input1, input2, dim=1)
print(output)


hg1 = torch.FloatTensor([-1])
hg2 = torch.FloatTensor([1])
value=torch.cosine_similarity(hg1, hg2, dim=0)
print(value)

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, T

了解本专栏