Keras Dot层异常：反向向量未返回预期的-1余弦相似度

嘿，我一眼就发现问题所在啦——你在处理y向量的时候犯了个超容易疏忽的错误！

看你代码里的这一行：

y=np.reshape(x,(1,3))

你本来应该对y做reshape操作，但不小心写成了用x来reshape，这就导致最终y和x是完全相同的向量！两个一模一样的向量余弦相似度自然接近1，这就是为什么你得到了0.99999994的结果，而不是预期的-1。

把那行错误的代码改过来，结果就会符合预期了：

import tensorflow as tf
import numpy as np

x=np.asarray([-1.,-1.,-1],dtype=float)
x=np.reshape(x,(1,3))
y=np.asarray([1.,1.,1.],dtype=float)
y=np.reshape(y,(1,3))  # 这里改成对y做reshape！

result = tf.keras.layers.Dot(axes=-1,normalize=True)([x,y]).numpy()[0][0]
print(result)

运行这段代码会输出接近-1的结果（比如-0.99999994），这才是完全相反向量的余弦相似度。

你用tf.keras.layers.Dot时设置normalize=True的参数是完全正确的，这个配置确实是在计算两个向量的余弦相似度，只是变量处理时的小失误搞混了输入。

内容的提问来源于stack exchange，提问作者Hari Prasad