Tensorflow - 矩阵中点的欧几里德距离

Question

我有一个*m 张量，它基本上表示 n 维欧几里得空间中的 m 个点。 我想计算每个连续点之间的成对欧几里德距离。

也就是说，如果我的列向量是点 a、b、c 等，我想计算 euc(a, b)、euc(b, c) 等。

结果将是具有每个成对欧几里得距离的 m-1 长度的一维张量。

有谁知道这可以在 TensorFlow 中执行吗？

Answer 1

好的，我想出了一些有用的东西。 但是，如果有人有更好的解决方案，请告诉我。

def pairwise_euclidean_distance (input_layer):
    original_size = input_layer.get_shape().as_list()

    subtrahend = tf.pad(input_layer, [[0, 0], [1, 0], [0, 0], [0, 0]])
    subtrahend = tf.slice(subtrahend, [0, 0, 0, 0], original_size)

    distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(input_layer, subtrahend)), axis=[2,3]))

    return distance

Answer 2

您可以简化距离计算，如下所示。 因为两点之间矢量的L2范数是两者之间的距离。

def distance(point1, point2):
    l2_norm = tf.norm(point1-point2, ord='euclidean')
    return l2_norm

Answer 3

定义一个函数来计算距离

calc_distance = lambda f, g: tf.norm(fg, axis=1, ord='euclidean')

将您的 n*m 向量传递给函数，例如：

P = tf.constant([[1, 2], [3, 4], [2, 1], [0, 2], [2, 3]], dtype=tf.float32)

distances = calc_distance(P[:-1:], P[1::])

print(distances)

<tf.Tensor: shape=(4,), dtype=float32, numpy=array([2.8284273, 3.1622777, 2.2360682, 2.2360682], dtype=float32)>