일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Entropy Minimization
- shrinkmatch paper
- CGAN
- CycleGAN
- 딥러닝손실함수
- 백준 알고리즘
- UnderstandingDeepLearning
- semi supervised learnin 가정
- SSL
- mocov3
- Meta Pseudo Labels
- BYOL
- GAN
- ConMatch
- conjugate pseudo label paper
- shrinkmatch
- 최린컴퓨터구조
- 컴퓨터구조
- cifar100-c
- WGAN
- simclrv2
- Pseudo Label
- dann paper
- CoMatch
- mme paper
- tent paper
- remixmatch paper
- Pix2Pix
- adamatch paper
- dcgan
Archives
- Today
- Total
목록코사인유사도 (1)
Hello Computer Vision
코사인 유사도(Cosine Similarity) 알아보기
Contrastive Learning에 대해 공부하면서 두 벡터 간의 유사도에 대해서 Cosine Similarity가 많이 쓰여 이번 기회에 한번 알아보려고 한다. 코사인 유사도란? 벡터와 벡터 간의 유사도를 비교할 때 두 벡터간의 사잇각을 구해 얼마나 유사한지 수치로 나타낸 것. 예를 들어 90도일 경우 두 벡터간의 연관성은 없다고 보며, 방향이 비슷할 수록 유사하다고 본다. 이를 잘 나타내는 이미지는 다음과 같다. 그리고 값에 대해서는 다음과 같은 수식으로 구한다. pytorch에서는 구하는 함수를 제공해준다. import torch import torch.nn as nn vec1 = torch.rand(1, 128) vec2 = torch.rand(1, 128) cos = nn.CosineSimi..
딥러닝/파이토치
2023. 3. 29. 23:58