我正在训练一个神经网络，我希望两个矩阵相似（协方差矩阵）。我幼稚的方法是基于差异使用损失，例如L1损失。但这也迫使矩阵变小，这不是我想要的。
有人在这里有个主意吗？
非常感谢！
您可以使用许多指标（欧几里得距离，余弦相似度，非负特征的Bhattacharyya相似度，Jensen-Shannon散度）。
余弦相似度似乎是一个不错的起点。您可以通过考虑维空间中的两个n x m矩阵来实现n*m。并且，将这两个向量与余弦相似度进行比较。
实际上，可以使用torch.flatten和来完成torch.nn.functionnal.cosine_similarity。或等效地带有nn.Flatten层和nn.CosineSimilarity。
在这里，我采取了功能路线：
>>> x = torch.rand(1, 10, 10)
>>> y = torch.rand(1, 10, 10)
>>> F.cosine_similarity(torch.flatten(x, 1), torch.flatten(y, 1))
tensor([0.6220])
请注意，批次将需要额外的尺寸：axis=0。
编辑-如果您不使用批处理，则可以将两个张量都广播到一维张量：
>>> F.cosine_similarity(x.reshape(1, -1), y.reshape(1, -1))
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句