l2轴上损失

Question

我使用python 3和tensorflow，我有一个矩阵，每一行都是一个向量，我想得到一个距离矩阵，即计算机使用l2范数损失，矩阵中的每个值都是两个向量之间的距离。

e.g

Dij = l2_distance(M(i,:), Mj(j,:)) 

谢谢

编辑:这不是一个重复的的，另一个问题是计算矩阵的每一行的范数，我需要每一行到另一行的成对范数距离。

Answer 1

这个答案展示了如何计算向量集合之间平方差的成对和。通过简单地用平方根进行后组合，您就可以达到所需的成对距离：

M = tf.constant([[0, 0], [2, 2], [5, 5]], dtype=tf.float64)
r = tf.reduce_sum(M*M, 1)
r = tf.reshape(r, [-1, 1])
D2 = r - 2*tf.matmul(M, tf.transpose(M)) + tf.transpose(r)
D = tf.sqrt(D2)

with tf.Session() as sess:
    print(sess.run(D))

# [[0.         2.82842712 7.07106781]
#  [2.82842712 0.         4.24264069]
#  [7.07106781 4.24264069 0.        ]]

Answer 2

您可以根据欧氏距离公式( TensorFlow损失)编写L2操作。

​

​

distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))

样本将是

import tensorflow as tf

x1 = tf.constant([1, 2, 3], dtype=tf.float32)
x2 = tf.constant([4, 5, 6], dtype=tf.float32)

distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))

with tf.Session() as sess:
  print(sess.run(distance))

正如@fuglede所指出的，如果您想输出成对的距离，那么我们可以使用

tf.sqrt(tf.square(tf.subtract(x1, x2)))