我有两个嵌入向量A1和B1，大小为32（可能是64，等等）。
A = torch.rand(32)
A1 = torch.unsqueeze(A, dim = 1)
A1
B = torch.rand(32)
B1 = torch.unsqueeze(B, dim = 1)
B1现在，我希望能够找到它们有多相似，基于每个元素，比如4，8，16个元素。因此输出看起来像是一个4（或8 ......等等）元素的向量。
ExampleOutput = [.4, .5, .6, .7] # as the window is 8 (from 32 sized vector)这意味着相似度将在一个窗口上计算。我知道一种方法可以使用 Torch 直方图。
1.你知道我怎么计算这个吗？
先谢了。
1条答案
按热度按时间h7appiyu1#
你的问题有点模糊。相似性是什么意思？例如，如果你考虑两个2元素向量，你可以计算L1，L0（曼哈顿距离），L2（MSE），L... L_infinity，余弦相似性等。向量有很多相似性度量。
其次，你打算如何“池化”向量？你可以计算相似性度量，然后在每个窗口上取最小值/最大值/平均值。你可以在每个窗口上取最小值/最大值/平均值，然后计算相似性。你可以想出一些其他的介于两者之间的方法。
简而言之，有很多方法可以做到这一点，你选择的方法应该由你的输入结构和你的问题的背景，超出了问题的范围和提供的细节。