使用张量流获得负余弦距离

Question

我正在使用tf.losses.cosine_distance(Y, outputs, axis=2, reduction=tf.losses.Reduction.MEAN) 来衡量我的标签和预测之间的差异。张量形状为[batch_size, sequence_length, embedding]。在我的例子中，预测的形状是[16311, 20, 100]。

我的结果如下。

----------------------epoch1----------------------
train 1  loss 1.1429076
----------------------epoch2----------------------
train 2  loss 0.51511204
----------------------epoch3----------------------
train 3  loss -2.5750072
----------------------epoch4----------------------
train 4  loss -6.685198
----------------------epoch5----------------------
train 5  loss -10.863398

余弦相似度的边界是[0,1]。但在我的情况下，它在一开始就大于 1，并且在几个 epoch 后变为负数。我想知道为什么会发生这些。

我的嵌入包含负数。我应该在计算余弦距离之前对其进行归一化吗？

Answer 1

首先，是的，您应该在计算余弦距离之前进行归一化：（来自文档）

请注意，该函数假定预测和标签已经 单位归一化。

但是，余弦相似度函数的范围不是[0,1]。考虑向量(1 0) 和(-1 0)。两者都是单位向量，它们的余弦相似度为-1。

最后，请注意损失是计算余弦距离，它是 1 减去余弦相似度，因为损失的优化操作是最小化而不是最大化（这适用于余弦相似度）。所以你会期望得到的负数的绝对值越来越大。