Quel serait l'équivalent de la torche de pytorch.nn.CosineEmbeddingLoss en tensorflow?

Question

CosineEmbeddingLoss in Pytorch est la fonction parfaite que je recherche dans tensorflow, mais je ne peux trouver que tf.losses.cosine_distance. Existe-t-il un moyen ou un code qui écrit CosineEmbeddingLoss dans tensorflow?

Answer 1

Une version tensorflow de CosineEmbeddingLoss:

import tensorflow as tf 

def CosineEmbeddingLoss(margin=0.): 
    def _cosine_similarity(x1, x2): 
    """Cosine similarity between two batches of vectors.""" 
    return tf.reduce_sum(x1 * x2, axis=-1)/(
     tf.norm(x1, axis=-1) * tf.norm(x2, axis=-1)) 
    def _cosine_embedding_loss_fn(input_one, input_two, target): 
    similarity = _cosine_similarity(input_one, input_two) 
    return tf.reduce_mean(tf.where(
     tf.equal(target, 1), 
     1. - similarity, 
     tf.maximum(tf.zeros_like(similarity), similarity - margin))) 
    return _cosine_embedding_loss_fn 

Courir aux côtés de la version Torch:

import tensorflow as tf 
import numpy 
import torch 
from torch.autograd import Variable 


first_values = numpy.random.normal(size=[100, 3]) 
second_values = numpy.random.normal(size=[100, 3]) 
labels = numpy.random.randint(2, size=[100]) * 2 - 1 
torch_result = torch.nn.CosineEmbeddingLoss(margin=0.5)(
    Variable(torch.FloatTensor(first_values)), 
    Variable(torch.FloatTensor(second_values)), 
    Variable(torch.IntTensor(labels))).data.numpy() 
with tf.Graph().as_default(): 
    with tf.Session(): 
    tf_result = CosineEmbeddingLoss(margin=0.5)(
     first_values, second_values, labels).eval() 
print(torch_result, tf_result) 

Semble correspondre à moins de précision raisonnable:

array([ 0.35702518], dtype=float32) 0.35702516587462357