Appliquer la fonction pour chaque paire d'éléments dans deux Tensor dans Tensorflow

Question

J'ai deux rangs-2 Tensor s avec des tailles égales le long de la deuxième dimension, mais inégale le long de la première. Par exemple, le tenseur A de forme [a, n] et le tenseur B de forme [b, n]. Ils peuvent être considérés comme deux tableaux contenant des vecteurs de longueur n.

J'ai une fonction f qui prend deux entrées, chacune un tenseur de forme [n], et renvoie un scalaire. Je veux appliquer cette fonction à chaque paire de vecteurs dans A et B avec pour résultat un tenseur C de forme [a, b] tel que, pour chaque emplacement (i, j) dans C, C[i, j] = f(A[i], B[j]).

Si ceux-ci étaient simplement des tableaux réguliers NumPy, je pouvais accomplir cela avec le code suivant:

# Assume a, b, and n are integers, and A and B are Numpy arrays 
C = numpy.zeros((a, b)) 
for i in range(0, a): 
    for j in range(0, b): 
     C[i, j] = f(A[i], B[j]) 
return C 

Si cela pourrait se faire de telle sorte que f prend simplement A et B en entrée et retourne C, ce serait la solution préférée, de sorte que tout se passe comme des opérations de tenseurs appropriées, de sorte que tout peut être correctement parallélisé par Tensorflow. Juste tant que le résultat final est le même.

J'ai trouvé un solution to this problem spécifiquement pour quand f calcule la distance euclidienne entre chaque paire de vecteurs. Je voudrais étendre ceci à d'autres fonctions, telles que la distance de cosinus ou la distance de Manhattan (L1).

Answer 1

a = tf.random_normal([10,5]) 
b = tf.random_normal([20,5]) 

Je commencerais en réorientant les deux tableaux comme celui-ci:

a = a[:,tf.newaxis,:] 
b = b[tf.newaxis,:,:] 

Maintenant, les formes sont [a, 1, n] et [1, b, n], donc nous pouvons large moulé sous une soustraction pour calculer le delta pour chaque paire:

delta = (a-b) 

Ceci a une forme de [a, b, n].

Maintenant, la distance euclidienne est simple. (axis=-1 Summs sur le dernier axe):

distance = tf.reduce_sum(delta**2,axis = -1)**0.5 

Et vous avez terminé:

print(distance) 
<tf.Tensor 'pow_3:0' shape=(10, 20) dtype=float32>