Tensorflow中的歐幾里得距離，轉換矩陣

我有一個knn分類項目，需要計算歐氏距離和tensorflow進行比較。Tensorflow中的歐幾里得距離，轉換矩陣

原始代碼而不tensorflow是這樣的：

def euclidean_distance(self,x1, x2): 
 
     distance = 0.0 
 
     for i in range(len(x1)): 
 
      distance += pow(x1[i] - x2[i], 2) 
 
     print(distance) 
 
     return math.sqrt(distance)

並用tensorflow是這樣的：

distance = 0.0 
 
     for i in range(len(x1)): 
 
      distance = tf.negative(tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))) 
 
     return distance

這是正確的嗎？由於代碼距離變成了張量，我需要一種將張量轉換爲常規矩陣的方法。

任何幫助表示讚賞，謝謝！

來源

2017-08-02 Elucist

爲了獲得第二陣列（矩陣），你需要運行的圖形像打擊

session=tf.Session() 
nd_distance=session.run(distance)

您必須更改您的代碼

...... 
...... 
    distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2)))) 
    nd_distance=session.run(distance) 
    print (nd_distance) 
    return nd_distance

我沒有看到需要tf.negative功能和for loop

來源

2017-08-02 07:51:48 Mitiku

時，即時通訊嘗試打印距離它是象張量（「Sqrt_2457：0」，形狀=（），D型細胞= FLOAT32）張量（「Sqrt_2458：0」，形狀=（），dtype = float32）但是沒有發生任何事情，如果我試圖打印nd_distance就像你的代碼，任何建議？ – Elucist

x1和x2的值是多少？他們是張力嗎？ – Mitiku

nope，它是矩陣，像這樣 https://s1.postimg.org/o2x1vdypr/postimage.png 它是特徵向量矩陣，經過tf-idf – Elucist

Tensorflow中的歐幾里得距離，轉換矩陣

回答

相關問題