关于特征提取后进行feature_normalize的疑问

[yaphet266]

在”特征提取“脚本中，看通过模型提取到特征向量后，对原有向量进行了feature_normalize操作得到新的特征向量，请问该操作作用是什么，是不是必须的

[cuicheng01]

这一步操作是必须的，因为在训练的时候使用了feature_normalize操作，所以在推理的时候也必须使用。另外，这里使用后，计算的相似度就不再是欧氏距离了，而是余弦距离。

[yaphet266]

这一步操作是必须的，因为在训练的时候使用了feature_normalize操作，所以在推理的时候也必须使用。另外，这里使用后，计算的相似度就不再是欧氏距离了，而是余弦距离。

@cuicheng01 非常感谢你的回复。
你说的训练时候使用了feature_normalize是在GeneralRecognitionV2_PPLCNetV2_base.yaml文件这个位置吗
Loss:
Train:
- CELoss:
weight: 1.0
epsilon: 0.1
- TripletAngularMarginLoss:
weight: 1.0
feature_from: features
margin: 0.5
reduction: mean
add_absolute: True
absolute_loss_weight: 0.1
normalize_feature: True
ap_value: 0.8
an_value: 0.4
请问如果我指定了L2距离，计算相似度得到的也不再是欧式距离吗
这个向量相似度计算我自己实现有相关公式可以参考吗？

[changdazhou]

可以去看看源码哈