余弦相似度 ¶

class torch.nn.CosineSimilarity(dim=1, eps=1e-08)

在 dim 维度上计算 $x_1$ 和 $x_2$ 之间的余弦相似度。

$$\text{similarity} = \dfrac{x_1 \cdot x_2}{\max(\Vert x_1 \Vert _2 \cdot \Vert x_2 \Vert _2, \epsilon)}.$$

参数:

• dim（int，可选）- 计算余弦相似度的维度。默认：1

• eps（浮点数，可选）- 避免除以零的小值。默认：1e-8

形状：

• Input1: $(\ast_1, D, \ast_2)$ 其中 D 位于 dim 位置

• Input2: $(\ast_1, D, \ast_2)$ ，与 x1 相同的维度数量，

  并且在其他维度上可以广播与 x1 兼容。

• 输出： $(\ast_1, \ast_2)$

示例::

>>> input1 = torch.randn(100, 128)
>>> input2 = torch.randn(100, 128)
>>> cos = nn.CosineSimilarity(dim=1, eps=1e-6)
>>> output = cos(input1, input2)