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
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,)