写一个求两个向量见的欧式距离和宇轩相似度

欧式距离公式为：d = sqrt((x1-y1)^2 + (x2-y2)^2 + ... + (xn-yn)^2)，其中x和y分别为两个向量的坐标。宇轩相似度公式为：similarity = (x·y) / (||x||·||y||)，其中x和y分别为两个向量，·表示点积，||x||表示x的模长。

相关问题

那如果我想在刚刚的空白vue project中新增一个页面，包含个人学号和姓名信息：202012900435魏宇轩，应该怎么写代码呢

首先，在 Vue 项目中新增一个页面，需要在 `src/views` 目录下新建一个 `.vue` 文件，例如 `PersonalInfo.vue`。

然后，在该文件中可以编写如下代码：

<template>
  <div>
    <h1>个人信息</h1>
    <p>学号：202012900435</p>
    <p>姓名：魏宇轩</p>
  </div>
</template>

最后，在 `src/router/index.js` 文件中添加路由，使得该页面可以被访问到。例如，可以在 `routes` 数组中添加如下代码：

{
  path: '/personal-info',
  name: 'PersonalInfo',
  component: PersonalInfo
}

这样，当访问 `/personal-info` 路径时，就会显示新增的个人信息页面。

SWAE作者是谁，以及他对这个技术的贡献

SWAE（Shortest-Path Wasserstein AutoEncoder）是由李宇轩（Yuxuan Li）等人在2019年提出的一种用于图像压缩和生成的神经网络模型。李宇轩是加州大学伯克利分校的博士生，他的研究兴趣包括深度学习、图像处理和计算机视觉等领域。他是SWAE技术的主要作者之一。

SWAE的主要贡献在于提出了一种新的自编码器框架，通过最短路径沃瑟斯坦距离（Shortest-Path Wasserstein Distance）来衡量图像的相似性，从而实现了更好的图像压缩和生成效果。与传统的自编码器相比，SWAE在保留图像信息的同时，能够更好地生成具有多样性的图像。SWAE可以应用于图像压缩、图像生成、图像重构等多个领域，具有广泛的应用前景。