计算 TensorFlow 中 n 个数据点和 k 个簇之间的距离

Question

X是一个数据点矩阵，按形状d n。 W是聚类点的矩阵，按形状k d。数据点 i 与每个聚类之间的最小距离可以按如下方式计算：

a_dist = tf.reduce_min(X[i] - W, 0);

如何在张量流图方法中计算每个数据点和每个聚类之间的距离？想到了一个 for 循环，但据我了解，张量流中不存在这样的功能。

Answer 1

到目前为止，

我发现的最有效的方法是：

################
# Reshape Tensors for Calculation
################
samples = X;
centroids = W;
expanded_vectors = tf.expand_dims(samples, 0)
expanded_centroids = tf.expand_dims(centroids, 1)

################
# Define objective of model
################
distances = tf.reduce_sum( tf.square(tf.sub(expanded_vectors, expanded_centroids)), 2)
min_distances = tf.reduce_min(distances, 0);