pytorch 内积 点乘 矩阵乘法 余弦相似度

目录

1维张量计算

内积的含义：

内积 pytorch.dot()

一维的时候，内积和matmul的结果是一样的。

余弦相似度 计算方法就是l2_norm，然后求内积。

如果用二进制表示人脸识别，余弦相似度区分不了不同的人，所以不能替换：

l2_norm的学习笔记：

L2归一化后欧拉距离的平方和cosine相似度等价

2维以上计算

2 矩阵乘法-torch.mm()

3 矩阵点乘

4综合乘法-torch.matmul()

余弦相似度矩阵

---

1维张量计算

内积的含义：

内积_360百科

设向量A=[a1,a2,...an]，B=[b1,b2...bn]

则向量A和B的内积表示为：

A·B=a1×b1+a2×b2+……+an×bn

A·B = |A| × |B| × cosθ

|A|=(a1^2+a2^2+...+an^2)^(1/2);

|B|=(b1^2+b2^2+...+bn^2)^(1/2).

其中，|A| 和 |B| 分别是向量A和B的模，θ是向量A和向量B的夹角（θ∈[0,π]）。