文章/答案/技术大牛

发布

社区首页 >问答首页 >以Keras为度量单位的角度距离

问以Keras为度量单位的角度距离
EN

Stack Overflow用户

提问于 2019-06-14 03:17:38

回答 1查看 418关注 0票数 1

我正在使用Keras来训练我的模型，并希望使用我的预测和假设之间的角距离作为我的度量。到目前为止，我发现的最接近的度量是余弦接近度，而不是角距离。

我对余弦近似性(或余弦距离)的问题是，小数字的余弦非常相似。

查看Wikipedia，可以使用余弦邻近度计算角距离：

因此，我想知道使用基于余弦邻近度的自定义度量是不是一个好主意，如果是的话，它是如何实现的。

keras

deep-learning

metrics

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-06-14 07:42:00

所以我想我有了我自己问题的答案。我所做的是首先通过简单地使用Keras的源代码来计算余弦邻近度。然后我计算了前一个结果的反余弦：

def angular_distance(y_true, y_pred):
     y_true = K.l2_normalize(y_true, axis=-1)
     y_pred = K.l2_normalize(y_pred, axis=-1)
     cosine = K.sum(y_true * y_pred, axis=-1)
     return 2*tf.math.acos(cosine)/np.pi

然后，我将新函数作为自定义指标传递给模型的编译脚本：

model.compile(loss='categorical_crossentropy', optimizer=Adam(0.001),
            metrics=[angular_distance])

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/56587247

复制

相似问题

问以Keras为度量单位的角度距离
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问以Keras为度量单位的角度距离EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问以Keras为度量单位的角度距离
EN