在PyTorch中计算成批成对辛克霍恩距离
在PyTorch中计算成批成对辛克霍恩距离
提问于 2020-12-04 21:00:09
我有两个张量，两个都是相同的形状。我想用GeomLoss计算成对的辛克霍恩距离。
我尝试过的：
import torch
import geomloss # pip install git+https://github.com/jeanfeydy/geomloss
a = torch.rand((8,4))
b = torch.rand((8,4))
geomloss.SamplesLoss('sinkhorn')(a,b)
# ^ input shape [batch, feature_dim]
# will return a scalar value
geomloss.SamplesLoss('sinkhorn')(a.unsqueeze(1),b.unsqueeze(1))
# ^ input shape [batch, n_points, feature_dim]
# will return a tensor of size [batch] of distances between a[i] and b[i] for each i然而，我想计算成对的距离，其中的结果张量应该是大小[batch, batch]。为了达到这个目的，我尝试使用以下广播方式：
geomloss.SamplesLoss('sinkhorn')(a.unsqueeze(0), b.unsqueeze(1))但我收到了一条错误消息：
ValueError:示例
x和y应该具有相同的批次大小.
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-04 21:49:50
由于文档没有给出如何使用距离的前向函数的示例。这里有一种方法，这将要求您调用距离函数batch倍。
我们将逐行构造距离矩阵。行i对应于从a[i]<->b[0]，a[i]<->b[1]到a[i]<->b[batch]的距离。为此，我们需要为每一行i构造一个(8x4)重复版本的张量a[i]。
这样做可以：
a_i = torch.stack(8*[a[i]], dim=0)然后计算出a[i]与b中的每一批之间的距离。
dist(a_i.unsqueeze(1), b.unsqueeze(1))有了总共的batch线，我们就可以构造出最后的张量stack。
以下是完整的代码：
batch = a.shape[0]
dist = geomloss.SamplesLoss('sinkhorn')
distances = [dist(torch.stack(batch*[a[i]]).unsqueeze(1), b.unsqueeze(1)) for i in range(batch)]
D = torch.stack(distances)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/65150672
复制相关文章
相似问题
腾讯云开发者
