Dot product

高维度计算

from torch import nn
class DotProductSimilarity(nn.Module):
    def __init__(self,scale_output=True):
        super(DotProductSimilarity,self).__init__()
        self.scale_output=scale_output
    def forward(self,tensor_1,tensor_2):
        result=(tensor_1*tensor_2).sum(dim=-1)
        if (self.scale_output):
            result /= math.sqrt(tensor_1.size())
        return  result
input_1=torch.ones(2,1,720,1280,requires_grad=True)
input_2=torch.ones(2,1,720,1280,requires_grad=True)
input_3=torch.ones(2,1,3,5,requires_grad=True)
con= DotProductSimilarity()
CS=con(input_1,input_2)
print(CS.shape)
CS = CS.unsqueeze(3)
s = CS*input_1
# print(torch.exp(s))
print(input_1.shape,input_2.shape,CS.shape,s.shape)
print(s)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值