首页 文章

在TensorFlow中从单个向量的成对比较生成矩阵

提问于
浏览 次
3

我有一个1d向量，想要根据TensorFlow中矢量的成对比较生成矩阵 . 我需要将向量中的每个元素与所有其他元素（包括其自身）进行比较，如果它们相同，则相应的矩阵值将为1，否则为-1 . 例如，有一个 [1,2,3,4,1] 的向量，然后是所需的矩阵

[[1,-1,-1,-1,1],
 [-1,1,-1,-1,-1],
 [-1,-1,1,-1,-1],
 [-1,-1,-1,1,-1],
 [1,-1,-1,-1,1]].

问题是如何在TensorFlow中生成这样的矩阵 .

python numpy matrix tensorflow pairwise

3 回答

  • 1

    在NumPy中，我不是一个非常直截了当的方法 . 它的工作原理是获取元素的所有产品，并选择两个元素 x 和 y 的乘积等于 x ** 2.0 的位置 .

    给出一个矢量

    v = np.array((1, 2, 3, 4, 1)).reshape(-1, 1) # shape == (5, 1)

    你可以通过这样做构建你想要的“相似性”矩阵：

    sim = np.where(v.dot(v.T) == np.square(v), 1, -1)

    sim 将如下所示：

    array([[ 1, -1, -1, -1,  1],
       [-1,  1, -1, -1, -1],
       [-1, -1,  1, -1, -1],
       [-1, -1, -1,  1, -1],
       [ 1, -1, -1, -1,  1]])
    回复于
  • 0

    这是一个简单的方法：

    In [123]: x = tf.placeholder(tf.float32, shape=(1, 5))

In [124]: z = tf.equal(tf.matmul(tf.transpose(x), x), tf.square(x))

In [125]: y = 2 * tf.cast(z, tf.int32) - 1

In [126]: sess = tf.Session()

In [127]: sess.run(y, feed_dict={x: np.array([1, 2, 3, 4, 1])[None, :]})
Out[127]: 
array([[ 1, -1, -1, -1,  1],
       [-1,  1, -1, -1, -1],
       [-1, -1,  1, -1, -1],
       [-1, -1, -1,  1, -1],
       [ 1, -1, -1, -1,  1]], dtype=int32)
    回复于
  • 0

    想法

    要计算成对运算，您可以执行以下技巧：将向量展开为两个二维向量： [n, 1] 和 [1, n] ，并将op应用于它们 . 由于广播，它将产生 [n, n] 矩阵，其中填充了向量内所有对的op结果 .

    在您的情况下，op是比较，但它可以是任何二进制操作 .

    Tensorflow

    为了说明，这里有两个单行 . 第一个产生布尔成对矩阵，第二个产生 -1 和 1 （你问的是什么）的矩阵 .

    import tensorflow as tf

tf.InteractiveSession()
v = tf.constant([1, 2, 3, 4, 1])

x = tf.equal(v[:, tf.newaxis], v[tf.newaxis, :])
print(x.eval())

x = 1 - 2 * tf.cast(x, tf.float32)
print(x.eval())

    结果：

    [[ True False False False  True]
 [False  True False False False]
 [False False  True False False]
 [False False False  True False]
 [ True False False False  True]]
[[ 1 -1 -1 -1  1]
 [-1  1 -1 -1 -1]
 [-1 -1  1 -1 -1]
 [-1 -1 -1  1 -1]
 [ 1 -1 -1 -1  1]]

    Numpy

    使用 np.where 时，numpy中的相同更简单：

    import numpy as np

v = np.array([1, 2, 3, 4, 1])

x = v[:, np.newaxis] == v[np.newaxis, :]
print(x)

x = np.where(x, 1, -1)
print(x)

    输出是一样的：

    [[ True False False False  True]
 [False  True False False False]
 [False False  True False False]
 [False False False  True False]
 [ True False False False  True]]
[[ 1 -1 -1 -1  1]
 [-1  1 -1 -1 -1]
 [-1 -1  1 -1 -1]
 [-1 -1 -1  1 -1]
 [ 1 -1 -1 -1  1]]
    回复于

相关问题