在TensorFlow中通过对单个向量进行成对比较来生成矩阵
在TensorFlow中通过对单个向量进行成对比较来生成矩阵
提问于 2018-03-17 04:40:24
我有一个1d向量，并希望在TensorFlow中根据向量的成对比较生成一个矩阵。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，有一个向量为[1,2,3,4,1]，那么所需的矩阵为
[[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。
回答 3
Stack Overflow用户
发布于 2018-03-17 05:26:21
我不知道TensorFlow是否有类似的内置方法，但在NumPy中有一种非常简单的方法。它的工作原理是获取元素的所有乘积，并挑选出两个元素x和y的乘积等于x ** 2.0的位置。
给定一个向量
v = np.array((1, 2, 3, 4, 1)).reshape(-1, 1) # shape == (5, 1)您可以通过执行以下操作来构建所需的“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]])Stack Overflow用户
发布于 2018-04-19 03:35:41
想法
要计算成对op，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]，并对它们应用op。由于广播，它将为向量内的所有对生成填充了op结果的[n, n]矩阵。
在您的例子中，op是一个比较，但它可以是任何二元运算。
Tensorflow
为了说明，这里有两个一行程序。第一个生成布尔成对矩阵，第二个生成-1和1的矩阵(如您所要求的)。
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中的相同内容甚至更简单
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)输出是相同的：
[[ 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]]Stack Overflow用户
发布于 2018-04-19 03:59:47
这里有一个简单的方法：
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)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49329178
复制相关文章
相似问题
腾讯云开发者
