Python tensorflow：如何计算批次（大小为B X DIM的矩阵）和词汇表（大小为V X DIM的矩阵）之间的L1差异？

我有两个tensorflow对象，如下所示

batch = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3,2], name='batch')
vocab = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0,1.0,2.0,3.0,4.0,5.0,6.0], shape=[6,2], name='vocab')

批次有3个向量，每个向量有2个维度。vocab有6个向量，每个向量有2个维度。 我想计算每个可能的向量对之间的L1差（生成18个值）。 e、 g.[1,2]的L1差异为

|1-1|+|2-2|, |1-3|+|2-4|, |1-5|+|2-6|, |1-1|+|2-2|, |1-3|+|2-4|, |1-5|+|2-6|,

---

如何使用tensorflow函数实现这一点？得到的矩阵可以是6 X 3（批次X B）。矩阵乘法似乎是生成矩阵预期阶数的计算。但是有没有一种方法可以覆盖矩阵乘法的基本运算呢？（即用差的绝对值覆盖组件式乘法）

可能这个响应对您不再有用，但我最近遇到了这个L1和L2距离的示例。 所以，我想，你的问题可以通过以下方式解决：

batch = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3,2], name='batch')
vocab = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0,1.0,2.0,3.0,4.0,5.0,6.0], shape=[6,2], name='vocab')
distance_L1 = tf.reduce_sum(tf.abs(tf.subtract(vocab, tf.expand_dims(batch,1))), axis=2)

---

祝你好运

这可能是一个与广播相关的话题（比如在numpy）。您可以查看以下内容：。我还没有试过这个（你会注意到它是实验性的）。你用了

tf.matmul

而不是

*

（你提到的舒尔产品是哪个？@drpng，谢谢。我试过了，但没用。