在tensorflow中，如何从向量构造成对差的平方？

Question

我在TensorFlow中有一个N维的一维向量，

如何构造成对平方差的和？

示例

输入向量

[1,2,3]

输出 6

计算为

(1-2)^2+(1-3)^2+(2-3)^2.

如果输入为N-dim向量l，则输出应为sigma_{i，j}((L)^2).

添加了问题：如果我有一个2d矩阵，并且希望对矩阵的每一行执行相同的处理，然后对所有行的结果进行平均，我如何才能做到呢？非常感谢！

Answer 1

对于成对差分，减去input和input的转置，只取上三角部分，如：

pair_diff = tf.matrix_band_part(a[...,None] - 
                      tf.transpose(a[...,None]), 0, -1)

然后你就可以把这些差异平方和起来。

代码：

a = tf.constant([1,2,3])
pair_diff = tf.matrix_band_part(a[...,None] - 
                      tf.transpose(a[...,None]), 0, -1)
output = tf.reduce_sum(tf.square(pair_diff))

with tf.Session() as sess:
  print(sess.run(output))
  # 6