超级会员免费看
余弦相似度用于衡量向量间的相似性，值越接近1表示越相似。在深度学习中，如人脸识别，可通过计算两个向量的夹角来判断相似度。二维空间内的余弦相似度可以通过余弦定理推导，对于n维向量同样适用。以句子为例，通过分词、计算词频得到词频向量，再计算余弦值判断句子相似度。在PyTorch中，可以使用内置函数计算余弦相似度。
余弦距离，也称为余弦相似度，是用向量空间中两个向量之间的夹角余弦值作为衡量两个个体之间的差异大小的度量。
余弦值越接近于1， 夹角之间的度数越接近0度，也就是两个向量越相似，这就叫做“余弦相似度”。
举例说明：
通过上图，我们能看出，将两张人脸图片通过卷积神经网路，可以分别得到向量a和向量b
在空间中，向量a和向量b有以下几种情况：
第一种情况：
向量a和向量b的夹角很小，说明向量a和向量b有很高的相似性。
第二种情况：
向量a和向量b是相等的，可以表示向量a所表示的人脸图片和向量b所表示的图片是完全相似的，或者说是相同的。
第三种情况：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
