1

我想在 Tensorflow 中形成一个损失函数，它依赖于一个矩阵，该矩阵包含一组嵌入的（平方）欧几里德距离的所有组合。在 numpy 中，像这样：

# E is (batch_size,N,32)
N=100
D = np.zeros((batch_size,N,N))
for x in range(N):
  for y in range(N):
    D[:,x,y] = np.sum(np.square(E[:,x,:]-E[:,y,:]),axis=1)

如何在不使用嵌套 for 循环或根本不使用 for 循环的情况下在 Tensorflow/Keras 中对此进行编码？

4

1 回答 1

1

这应该这样做：

D = tf.reduce_sum((E[:, None, :] - E[:, :, None])**2, axis=-1)

D 将(batch_size, N, N)。这也适用于 numpy （显然是 use np.sum），因此您可以使用它来检查循环版本的等价性以确保。

此解决方案通过广播工作：None用于插入轴，使大小 N 轴与大小 1 轴匹配，后者被广播（重复）以匹配前者。这导致将所有元素与所有其他元素（每个批次元素）进行比较。由于我们在这里处理的是四维张量，因此在文本中描述起来有点困难，也难以形象化......

于 2021-06-24T20:19:05.433 回答