计算Keras中矢量和矩阵之间的余弦相似度

Question

我有一个矢量作为图层的输入。对于这个向量，我想计算与几个其他向量（可以排列在矩阵中）的余弦相似度

示例（其他向量：c1，c2，c3 ......）：

Input: 
v 
(len(v) = len(c1) = len(c2) ...)

Output: 
[cosinsSimilarity(v,c1),cosineSimilarity(v,c2),cosineSimilarity(v,c3),consinSimilarity(v,...)]

我认为问题可以通过以下方法解决：

cosineSimilarity (v, matrix (c1, c2, c3, ...))

但不幸的是我不知道如何在keras层中用input_shape（1，len（v））和output_shape（1，columns（matrix））实现它

Answer 1

好吧，现在这么容易。我只是插入了这个lambda层 因为均值函数也适用于向量 - 矩阵乘法。

def cosine_similarity(x):
  #shape x: (10,)
  y = tf.constant([c1,c2])
  #shape c1,c2: (10,)
  #shape y: (2,10)

  x = K.l2_normalize(x, -1)
  y = K.l2_normalize(y, -1)
  s = K.mean(x * y, axis=-1, keepdims=False) * 10
  return s

输入在我的例子中是一个形状为（10，）的向量。输出是一个向量，其输入向量的余弦相似值为c1，c2为形状（2，）