最近，我一直在寻找最接近嵌入的词。最值得注意的两种方法是余弦距离或欧几里德距离。我试图找出如何有效地计算形状[batch_size x embedding_size]张量的余弦距离
一种方法是解压张量并计算余弦距离。是否有一种更有效的方式来做到这一点？我知道word2vec做这个非常快，tensorflow具有
浏览 1提问于2016-06-01得票数 11
回答已采纳
我有两个张量(OQ，OA)，在我的模型的最后一层的末尾，形状如下。OQ形状：(1,600)这些张量是'tensorflow.python.framework.ops.Tensor‘型的。如何计算Tensorflow 2.0中这些张量的余弦相似性和欧氏距离？，我们又得到一个张量，还是在0,1之间
浏览 5提问于2020-03-06得票数 1
回答已采纳
2回答
我有下面的张量表示一个单词向量其中第一个维度是批次维度(即A包含两个词向量，每个向量有500个元素)B = (10, 500)C = (2, 10, 1)我看过使用torch.nn.functional.F.cosine_simil
浏览 38提问于2021-02-26得票数 2
回答已采纳
我有两个排名为2的Tensor，在第二个维度上大小相等，但在第一个维度上不相等。例如，形状[a, n]的张量A和形状[b, n]的张量B。它们可以看作是包含长度为n的向量的两个数组。我有一个函数f，它接受两个输入，每一个都是形状[n]的张量，并返回一个标量。我想将这个函数应用于A和B中的每一对向量，结果是形状为[a, b]的<e
浏览 5提问于2017-06-23得票数 3
回答已采纳
1回答
我正在使用tf.losses.cosine_distance(Y, outputs, axis=2, reduction=tf.losses.Reduction.MEAN)来衡量我的标签和预测之间的差异张量形状为[batch_size, sequence_length, embedding]。在我的例子中，预测的形状是[16311, 20, 100]。-------------------
浏览 0提问于2019-05-29得票数 1
2回答
我有一个包含5000项(行)和2048个特性(列)的dataframe。
我的数据形状是(5000,2048)，当我用滑雪板中的成对距离计算余弦矩阵时，得到了(5000,5000)矩阵。但是现在，如果我有一个新的(1,2048)的向量形状，如何利用我已经计算过的(5000,5000)余弦矩阵，找到这个项目与我所拥有的早期数据的余弦</em
浏览 7提问于2019-11-26得票数 0
大家好，大家好，我有二维张量：b = Tensor(shape=[16000,52]) # 1600 vectors of length 52我现在的问题如下
( a)我不太确定如何以一种非迭代
浏览 1提问于2018-10-23得票数 1
回答已采纳
1回答
我可以使用两个形状分别为64 x 64 x 320的张量。如何计算这些张量元素之间的欧几里得距离？
浏览 11提问于2020-05-24得票数 0
我有一个张量jdes，它是(?, 100)，还有一个常数矩阵jt_six，它的形状是(6,100)。我试图得到jdes和每一行jt_six余弦接近的结果，结果应该是形状(?, 6)。我看到dot()层能够计算余弦近似设置normalize=True，但使用我的代码，我得到了一个形状(6,1)的结果，其中没有批量大小。有人能帮我吗？
浏览 15提问于2019-01-16得票数 0
回答已采纳
我有几行代码，其中有一个torch tensor (200.000 x 512)，我想计算每个嵌入之间的余弦距离。(将我的张量转换为.mat文件+代码)
浏览 26提问于2021-08-10得票数 0
训练进展顺利，但我担心的是，在训练过程中，我的损失值大于1。余弦距离(如果输入张量被归一化为1)，应该总是小于1的值吗？损失是如何计算的？是一批损失的总和吗？
浏览 1提问于2018-01-05得票数 4
回答已采纳
我有一个张量'input_sentence_embed‘，形状为torch.Size(1768) INCIDENT_NUMBER数据中每个张量元素的形状如下所示 torch.Size([1, 768])
我想有效地找到'input_sentence_embed‘和'matched_df’的</
浏览 0提问于2021-05-23得票数 0
回答已采纳
我有两个ndarray A和B，一个形状是(4,)，另一个是(4,1)。有人对此有什么想法吗？谢谢!
浏览 2提问于2012-11-04得票数 4
回答已采纳
我希望能够使用MXNet计算行向量之间的余弦距离。此外，我正在处理批次的样本，并希望计算每对样本的余弦距离(即批次#1的第一行向量与批次#2的第一行向量的余弦距离)。两个向量之间的余弦距离的定义与中的定义相同
浏览 0提问于2018-04-03得票数 0
有一个随机初始化火炬张量的形状如下。输入tensor2 = torch.rand((4,2,3,100))
tensor1和tensor2分别是具有24个100维矢量的火炬张量通过得到两个张量指数相同的向量之间的欧氏距离，得到一个形状为torch.size([4,2,3])的张量。然而，pairwise_dist
浏览 21提问于2021-07-02得票数 2
回答已采纳
我试图使用torch.nn.CosineEmbeddingLoss来计算两个张量之间的余弦距离，就像在这个博客文章中解释的那样。loss = loss_function(reconstructed, input_data).sum()但当我试图在我的案例中评估这一点时，
nn.CosineEmbeddingLoss我只想评估两个向量之间的距离。
浏览 33提问于2022-02-28得票数 0
1回答
所以我在考虑对k-means使用不同的距离度量，比如欧几里得距离，曼哈顿距离，余弦距离，切比雪夫距离等等。我只想知道这些距离度量的用例，与集群相关。
浏览 0提问于2013-01-23得票数 0
回答已采纳
1回答
我用nltk聚类器按余弦距离聚类向量。如果我正确理解，Y轴的肘法在欧几里得距离将是每个距离(平方)之间的星系团的质心与向量属于该簇。EDI
浏览 0提问于2019-06-23得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
