Tensorflow 1、如何计算张量余弦相似度形成相似度矩阵？答案

【问题标题】：Tensorflow1，How to calculate tensor's cosin-similarity to form a similarity matrix?Tensorflow 1、如何计算张量余弦相似度形成相似度矩阵？
【发布时间】：2020-11-26 13:02:49
【问题描述】：

首先，我有一个这样的张量，

a = [[A B],[C D]]

我想计算彼此之间的余弦相似度，我的意思是计算 cos([A B],[A B]),cos([A B],[C D]),cos([C D],[A B] ),cos([C D],[C D]) 形成这样的相似度矩阵，

[[cos([A B],[A B]),cos([A B],[C D])],
 [cos([C D],[A B]),cos([C D],[C D])]]

我想用follow code来获取相似度矩阵，没用。

`tf.losses.cosine_distance(tf.expand_dims(a, 0),
 tf.expand_dims(a, 1), axis = 2)`

如何在 TF1 中使用高效矢量化来完成这项工作？谢谢您的回复。

【问题讨论】：

标签： python python-3.x tensorflow cosine-similarity distance-matrix

【解决方案1】：

这可能会有所帮助，

import tensorflow as tf
a = [1.,2.,3.]
b = [1.,2.,3.]
#cosine_similarity = tf.losses.cosine_distance(tf.nn.l2_normalize(a, 0), tf.nn.l2_normalize(b, 0), dim=0)  ##normalize_input
cosine_similarity = tf.losses.cosine_distance(a, b, dim=0)
print(tf.Session().run(cosine_similarity))

输出

-13.0

【讨论】：