余弦相似度使用NEON指令加速

背景

• 余弦相似度是通过计算两个向量的夹角余弦值来评估他们的相似度,原理非常简单,应用空间却非常广阔,如人脸特征求相似度,还有NLP领域求文本相似度等等.
• 余弦相似计算在一般cpu上计算量其实并不大,但是如若人脸特征底库达到一定规模时,在求取最高相似度时速度问题就凸显出来了,特别是在ARM这样计算量十分有限的平台.所以很有必要对余弦相似计算进行优化加速.

参考资料

• ARM与NEON指令加速
• 神经网络arm neon加速实现
• 余弦计算相似度度量 这里有相似度计算公式,写的非常好,我也是参考它的公式实现的,关于公式推导我这里就不展开了.

公式

代码实现（未用NEON）

• 下面这段代码应该很好理解, a_data、b_data是输入两个N维的特征向量, score是a_data、b_data两个特征向量的相似度输出.注意 a_data、b_data维度要相等
• 代码中 ab_mult_add:是上面公式的分母
• 代码中 sqrt(a_len * b_len):是上面公式的分子

#include <stdio.h>
#include <iostream>
#include <vector>
#include <math.h>

bool cos_similarity(const std::vector<float>& a_data,
                        const std::vector<float>& b_data,
                        float & score)
{
    const int data_length = a_data.size();
    double ab_mult_add = 0.0f;
    double a_len = 0.0f;
    double b_len = 0.0f;    

    if((0 != data_length) and (b_data.size() != data_length))
    {
        return false;
    }

	//ab_mult_add:分母
	//sqrt(a_len * b_len) :分子
    for (std::size_t i = 0; i