小编Shu*_*ngh的帖子

我一直在使用 langchain 的色度矢量数据库。它有两种使用分数运行相似性搜索的方法。

1. vectordb.similarity_search_with_score()
2. vectordb.similarity_search_with_relevance_scores()

根据文档，第一个应该返回 的余弦距离float。

越小越好。

第二个应该返回从 0 到 1 的分数，0 表示不相似，1 表示相似。

但是当我尝试相同的方法时，它给出了完全相同的结果和相同的分数，这超出了上限 1，第二个函数不应该出现这种情况。

这里发生了什么？

我正在关注“使用 TensorFlow 2.0 为聊天机器人训练变压器模型”的帖子。尽管代码在 colab 中运行良好，但我在本地机器上遇到了错误。下面是代码片段。

def encoder_layer(units, d_model, num_heads, dropout, name="encoder_layer"):
  inputs = tf.keras.Input(shape=(None, d_model), name="inputs")
  padding_mask = tf.keras.Input(shape=(1, 1, None), name="padding_mask")

  attention = MultiHeadAttention(
      d_model, num_heads, name="attention")({
          'query': inputs,
          'key': inputs,
          'value': inputs,
          'mask': padding_mask
      })
  attention = tf.keras.layers.Dropout(rate=dropout)(attention)
  attention = tf.keras.layers.LayerNormalization(
      epsilon=1e-6)(inputs + attention)

  outputs = tf.keras.layers.Dense(units=units, activation='relu')(attention)
  outputs = tf.keras.layers.Dense(units=d_model)(outputs)
  outputs = tf.keras.layers.Dropout(rate=dropout)(outputs)
  outputs = tf.keras.layers.LayerNormalization(
      epsilon=1e-6)(attention + outputs)

  return tf.keras.Model(
      inputs=[inputs, padding_mask], outputs=outputs, name=name)

我用下面的函数调用调用了上面的函数；

sample_encoder_layer = encoder_layer(
    units=512,
    d_model=128,
    num_heads=4, …