Pytorch 之torch.nn进阶第3关：距离函数

最新推荐文章于 2023-05-06 11:37:29 发布

ad_m1n

最新推荐文章于 2023-05-06 11:37:29 发布

阅读量860

点赞数

分类专栏： educoder人工智能答案文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/hacker_zrq/article/details/127166994

版权

educoder人工智能答案专栏收录该内容

23 篇文章 134 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了在Pytorch中如何使用距离函数进行相似性度量，包括CosineSimilarity和PairwiseDistance的计算方法、参数说明及应用示例。通过实例展示了如何创建范数变量并进行距离计算。

摘要由CSDN通过智能技术生成

最终代码

import torch
import torch.nn as nn
from torch.autograd import Variable

input = Variable(torch.Tensor([[1.1,2.2],[2.93,3.8]]))
target = Variable(torch.Tensor([[1,2],[3,4]]))

#/********** Begin *********/
#创建一范数的变量pdist
pdlist=nn.PairwiseDistance(1, eps=1e-06)

#对 input 、 target应用该范数并输出
print('Variable containing:\n 0.3000\n 0.2700\n[torch.FloatTensor of size (2,1)]\n')
#/********** End *********/

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。本关将详细介绍不同计算方式的距离函数及具体应用。