📘[Algorithms] Cosine_similarity(코사인 유사도) 알고리즘에 대해서…

Cosine_similarity(코사인 유사도)란?

코사인 유사도는 두 벡터 간의 코사인 각도를 이용하여 구할 수 있는 두 벡터의 유사도를 의미합니다.
두 벡터의 방향이 완전히 동일한 경우에는 1의 값을 가지며, 90°의 각을 이루면 0, 180°로 반대의 방향을 가지면 -1의 값을 갖게 됩니다.
즉, 결국 코사인 유사도는 -1 이상 1 이하의 값을 가지며 값이 1에 가까울수록 유사도가 높다고 판단할 수 있습니다.
이를 직관적으로 이해하면 두 벡터가 가리키는 방향이 얼마나 유사한가를 의미합니다.

squeeze()

squeeze함수는 차원이 1인 차원을 제거해준다.
따로 차원을 설정하지 않으면 1인 차원을 모두 제거한다.
그리고 차원을 설정해주면 그 차원만 제거한다.

[예제]

import torch

x = torch.rand(1, 1, 20, 128)
x = x.squeeze() # [1, 1, 20, 128] -> [20, 128]

# 1번 위치의 차원 1을 삭제
x2 = torch.rand(1, 1, 20, 128)
x2 = x2.squeeze(dim=1) # [1, 1, 20, 128] -> [1, 20, 128]

idxmin() & idxmax()

최대값이나 최소값을 갖는 인덱스를 불러오는 메서드

• idxmin(): 최소값을 갖는 인덱스 레이블 출력
• idxmax(): 최대값을 갖는 인덱스 레이블 출력