TensorFlow中计算张量中所有向量之间的成对欧氏距离的有效方法

Question

设feature_map是形状为b,h,w,c = feature_map.shape的张量

为了计算通道(c(轴上所有矢量之间的成对欧氏距离，我使用以下代码：

feature_map = tf.reshape(feature_map,(b,-1,c))
norms = []
for i in range(h*w):
norm = tf.norm(feature_map-feature_map[:,i:i+1,:],ord=2,axis=-1)
norms.append(sorted_tensor)
norms = tf.stack(norms,axis=1)

这个过程非常缓慢。为了避免for-loop，我试图使用tf.tile来复制张量，然后应用norm函数，但由于生成的张量非常大，导致了内存错误。

有没有更有效的方法来实现这一点？

Answer 1

我从这里开始使用欧几里得距离矩阵技巧

numpy自适应如下：

feature_map = tf.reshape(feature_map,(b,-1,c))         
G = np.einsum('bik, bjk->bij', feature_map, feature_map)
D = G.diagonal(axis1=1,axis2=2).reshape(b,-1,1)+ np.transpose(G.diagonal(axis1=1,axis2=2).reshape(b,-1,1),axes=(0,2,1)) - 2*G
norms = np.sqrt(D)

以及相应的CCD_ 7自适应：

feature_map = tf.reshape(feature_map,(b,-1,c))     
G = tf.einsum('bik, bjk->bij', feature_map, feature_map)
D = tf.reshape(tf.linalg.diag_part(G),(b,-1,1))+ tf.transpose(tf.reshape(tf.linalg.diag_part(G),(b,-1,1)),perm=(0,2,1)) - 2*G
norms = tf.sqrt(D)