当前位置: 首页 > news >正文

lol怎么做直播网站seo行业网

lol怎么做直播网站,seo行业网,wordpress 二级侧边栏,如何提升网站的流量文章目录 用处定理代码F.normalize() 和 F.norm() 的区别 用处 此方法特别重要,经常可以用来修改论文,提出创新点. 定理 余弦相似度是通过计算两个向量之间的夹角余弦值来衡量它们的相似性。给定两个非零向量 x 和 y,它们之间的余弦相似度…

文章目录

    • 用处
    • 定理
    • 代码
    • F.normalize() 和 F.norm() 的区别

用处

此方法特别重要,经常可以用来修改论文,提出创新点.

定理

余弦相似度是通过计算两个向量之间的夹角余弦值来衡量它们的相似性。给定两个非零向量 x 和 y,它们之间的余弦相似度可以使用以下公式计算:

cosine_similarity(x, y) = (x · y) / (||x|| * ||y||)

其中,

  • (x · y) 表示向量 x 和 y 的点积(内积),是两个向量对应元素相乘再求和的结果。
  • ||x|| 表示向量 x 的范数,通常使用 L2 范数表示,即向量 x 的所有元素平方和的平方根。
  • ||y|| 表示向量 y 的范数,也是使用 L2 范数进行计算。

使用上述公式,我们可以将两个向量的点积除以它们的范数的乘积,得到余弦相似度的标量结果,取值范围在 -1 到 1 之间。越接近 1 表示两个向量越相似,越接近 -1 表示两个向量越不相似,0 表示两个向量正交(无关)。

代码

  • 代码1:

如果您想在指定的维度(channels, height, width)上计算范数并保持计算过程中的维度,可以进行如下修改:

import torch.nn.functional as Fdef cosine_similarity(tensor_1, tensor_2):normalized_tensor_1 = F.normalize(tensor_1, p=2, dim=(1, 2, 3))normalized_tensor_2 = F.normalize(tensor_2, p=2, dim=(1, 2, 3))cosine_sim = torch.sum(normalized_tensor_1 * normalized_tensor_2, dim=(1, 2, 3), keepdim=True)return cosine_sim

在这里,我们使用 dim=(1, 2, 3) 将计算范数的维度指定为 (channels, height, width),并使用 keepdim=True 保持了计算过程中的维度。

这样,函数将在指定的维度上进行范数计算,并返回一个与输入张量形状相同的张量,其中的每个元素是沿着指定维度(channels, height, width)计算得到的余弦相似度值,并保持了指定维度的维度大小。

  • 代码2:

如果你希望使用 torch.norm() 函数计算张量的范数,可以对上述代码进行如下修改:

import torchdef cosine_similarity(tensor_1, tensor_2):normalized_tensor_1 = tensor_1 / torch.norm(tensor_1, p=2, dim=(1, 2, 3), keepdim=True)normalized_tensor_2 = tensor_2 / torch.norm(tensor_2, p=2, dim=(1, 2, 3), keepdim=True)cosine_sim = torch.sum(normalized_tensor_1 * normalized_tensor_2, dim=(1, 2, 3), keepdim=True)return cosine_sim

在这个修改后的代码中,我们使用了 torch.norm() 函数计算指定维度上的张量范数,并将其作为分母来归一化输入张量。参数 p=2 表示使用 L2 范数计算。

然后,我们使用 torch.sum() 函数在指定的维度上求和,并保持计算过程中的维度,得到余弦相似度的向量。

请确保已经导入了 torch 模块。

F.normalize() 和 F.norm() 的区别

F.normalize()F.norm() 是两个不同的函数,它们在功能和使用方式上有所不同。

  1. F.normalize() 函数是用来对张量进行归一化处理的。它接受一个输入张量和一个参数 p,并根据指定的范数类型对输入张量进行归一化。常见的范数类型包括 L1 范数、L2 范数等。归一化后的张量将具有单位长度,方便进行一些距离度量或相似度计算的操作。

  2. F.norm() 函数是用来计算张量的范数的。它接受一个输入张量和一个参数 p,并返回指定范数类型的计算结果。常见的范数类型包括 L1 范数、L2 范数等。F.norm() 函数返回的是一个标量结果,而不是对输入张量进行归一化处理。

总结:
F.normalize() 函数用于对张量进行归一化处理,返回归一化后的张量;
F.norm() 函数用于计算张量的范数,返回范数的标量结果。

http://www.yidumall.com/news/26887.html

相关文章:

  • 做网站用什么云服务器域名注册 阿里云
  • 东莞网站建设公司专业竞价托管哪家好
  • 建设银行 钓鱼网站教育培训机构前十名
  • 做曖視頻网站怎么优化网站排名
  • 专业企业网站建设公司佛山百度快速排名优化
  • 怎么做军事小视频网站广州新一期lpr
  • 网站域名到期怎么办优化营商环境个人心得
  • 哪个网站可以做投资回测2021拉新推广佣金排行榜
  • 临沂建设网站搭建一个网站的流程
  • 很有质感的网站百度手机下载安装
  • 北京互联网企业有哪些google搜索优化
  • 网站网址前的小图标怎么做的营销推广seo
  • ps培训班要学多久多少钱北京seo优化wyhseo
  • 17网站一起做网店 发货慢seo辅助工具
  • 上海网站建设领导品牌厦门网站seo哪家好
  • 高端的网站设计公司搜索引擎优化工具
  • 中山网站制作定制网站维护的主要内容
  • 十大电子游戏平台网站广州网站快速优化排名
  • 牛商网 做的p2p网站旺道seo推广系统怎么收费
  • 高端建站下载百度2023最新版
  • 个人做网站全球网站排名前100
  • 怎么建自己的手机网站关键词一般是指什么
  • 德州建设网站公司百度售后电话人工服务
  • 怎么添加wordpress模板文件夹搜索引擎优化答案
  • 彩票网站开发系统如何搭建seo网络推广优势
  • 响应式网站建设服务提供商百度推广账号怎么申请
  • 怎么做公司网站文案网站安全检测在线
  • 精品课网站制作seo推广公司招商
  • 常州企业建站系统关键信息基础设施安全保护条例
  • 沙湾移动网站建设全网关键词搜索工具