我刚开始使用Sklearn(MLPRegressor)和Keras(Sequential,有Dense图层)。有没有在python(sklearn/keras)中使用余弦相似度而不是点积的方法
今天我读了this论文,描述如何使用余弦相似度而不是点积来提高性能。这基本上说,如果我们用f((w^Tx)/(|x||w|))
替换f(w^Tx)
,即我们不只是将点积提供给激活函数,而是将其标准化,我们就可以获得更好更快的性能。
有没有在Python中执行此操作的方法,特别是在SKlearn(或其他)中的MLPRegressor中,还是在Keras中? (也许是TensorFlow?)
检查此HTTPS:/ /stackoverflow.com/questions/43357732/how-to-calculate-the-cosine-similarity-between-two-tensors/43358711#43358711 –