Pytorch 计算一个矩阵行向量之间的相似度

原创已于 2023-05-16 15:56:17 修改 · 705 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习 #开发语言

于 2023-05-16 15:50:41 首次发布

文章介绍了在PyTorch环境中，通过手动实现和使用内置函数`torch.cosine_similarity`来计算输入张量的行向量之间的相似度。首先，计算向量长度，然后进行矩阵乘法并除以向量长度的乘积，得到相似度矩阵。另一种方法是直接调用`torch.cosine_similarity`函数，它更简洁且计算速度快。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch


def similarity(input_tensor):
    # step 1. 计算行向量的长度
    len_a = torch.sqrt(torch.sum(input_tensor ** 2, dim=-1))
    b = len_a.unsqueeze(1).expand(-1, input_tensor.shape[0])
    c = len_a.expand(input_tensor.shape[0], -1)
    # step2. 计算乘积
    x = input_tensor @ input_tensor.T
    # step3. 计算最后的结果
    res = x / (b * c)
    return res


def torch_similarity(input_tensor):
    sim_bg=torch.cosine_similarity(input_tensor.detach().unsqueeze(0), input_tensor.detach().unsqueeze(1),dim=-1)
    return sim_bg

if __name__ == '__main__':
    x=torch.randn(4,512)
    sim_bg=torch_similarity(x)
    print(sim_bg)
    res=similarity(x)
    print(res)
    print(res.size())

方法一：运算速度快