Mam dwa znormalizowane tensory i muszę obliczyć podobieństwo cosinusa między tymi tensorami. Jak to zrobić z TensorFlow?Jak obliczyć podobieństwo Cosinusa między dwoma tensorami?
cosine(normalize_a,normalize_b)
a = tf.placeholder(tf.float32, shape=[None], name="input_placeholder_a")
b = tf.placeholder(tf.float32, shape=[None], name="input_placeholder_b")
normalize_a = tf.nn.l2_normalize(a,0)
normalize_b = tf.nn.l2_normalize(b,0)
To będzie wykonać zadanie:
a = tf.placeholder(tf.float32, shape=[None], name="input_placeholder_a")
b = tf.placeholder(tf.float32, shape=[None], name="input_placeholder_b")
normalize_a = tf.nn.l2_normalize(a,0)
normalize_b = tf.nn.l2_normalize(b,0)
cos_similarity=tf.reduce_sum(tf.multiply(normalize_a,normalize_b))
sess=tf.Session()
cos_sim=sess.run(cos_similarity,feed_dict={a:[1,2,3],b:[2,4,6]})
Drukuje 0.99999988
czasy się zmieniają. Dzięki najnowszemu interfejsowi TF API można to obliczyć, dzwoniąc pod numer tf.losses.cosine_distance.
przykład:
import tensorflow as tf
import numpy as np
x = tf.constant(np.random.uniform(-1, 1, 10))
y = tf.constant(np.random.uniform(-1, 1, 10))
s = tf.losses.cosine_distance(tf.nn.l2_normalize(x, 0), tf.nn.l2_normalize(y, 0), dim=0)
print(tf.Session().run(s))
Oczywiście 1 - s jest podobieństwo cosinus!
dlaczego 1-s jest podobieństwem cosinus? –
ponieważ '' 's''' jest odległością cosinusa, a nie podobieństwem. –
'' '1-s''' nie jest potrzebne. Funkcja nazywa się odległość, ale zwraca podobieństwo. Myślę, że ponieważ jest w tf.losses. Spójrz na kod, mogę się mylić. Linia 274. straty = 1 - math_ops.reduce_sum (radial_diffs, axis = (dim,), keep_dims = True) https://github.com/tensorflow/tensorflow/blob/r1.4/tensorflow/python/ops/losses/ loss_impl.py –
można znormalizować wektor lub macierz ci tak:
[batch_size*hidden_num]
states_norm=tf.nn.l2_normalize(states,dim=1)
[batch_size * embedding_dims]
embedding_norm=tf.nn.l2_normalize(embedding,dim=1)
#assert hidden_num == embbeding_dims
after mat [batch_size*embedding]
user_app_scores = tf.matmul(states_norm,embedding_norm,transpose_b=True)
Dziękuję dużo za odpowiedź. Czy upraszcza się formułę podobieństwa cosinusa, normalizując najpierw dane wejściowe? Twoja formuła wydaje się mieć mniej rzeczy niż ta z Wikipedii https://en.wikipedia.org/wiki/Cosine_similarity – Matias
Jeśli nie będziesz normalizował pierwszy, to po obliczeniu wewnętrznego produktu a * b musisz podzielić przez produkt norm a i b. Jeśli jednak normalizujesz się z góry, nie musisz tego robić. Wynika to z faktu, że normalize_a = a/|| a || (i podobnie dla b). –
dlaczego nie matmul? –