Python 在TensorFlow中从单个向量上的两两比较生成矩阵

我有一个一维向量，想根据TensorFlow中向量的两两比较生成一个矩阵。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，存在向量

[1,2,3,4,1]

，则所需矩阵为

[[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。

我不知道TensorFlow是否有类似的内置元素，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，并选择两个元素的乘积

x

和

y

等于

x**2.0

的位置

给定向量

v = np.array((1, 2, 3, 4, 1)).reshape(-1, 1) # shape == (5, 1)

您可以通过以下操作构建所需的“相似性”矩阵：

sim = np.where(v.dot(v.T) == np.square(v), 1, -1)

sim

的外观如下：

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]])

主意 要计算成对运算，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]

，并将运算应用于它们。由于广播，它将产生

[n，n]

矩阵，其中填充向量内所有对的运算结果

在您的例子中，op是一种比较，但它可以是任何二进制操作

张量流 为了便于说明，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（根据您的要求）

将tensorflow导入为tf
tf.InteractiveSession（）
v=tf.常数（[1,2,3,4,1]）
x=tf.equal（v[：，tf.newaxis]，v[tf.newaxis，：]）
打印（x.eval（））
x=1-2*tf.cast（x，tf.float32）
打印（x.eval（））

结果:

[[True-False-False-True]
[假-真-假-假]
[假真假假]
[假假假真假]
[真假假假真]]
[[ 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]]

努比 在numpy中使用

np更简单。其中

：

将numpy导入为np
v=np.数组（[1,2,3,4,1]）
x=v[：，np.newaxis]==v[np.newaxis，：]
打印（x）
x=np，其中（x，1，-1）
打印（x）

输出相同：

[[True-False-False-True]
[假-真-假-假]
[假真假假]
[假假假真假]
[真假假假真]]
[[ 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]]

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)

---

实际上我想比较一维向量中的元素。假设向量的长度为5，那么将有25个比较，因此根据每次比较的结果生成一个5x5矩阵。谢谢你的回答，我考虑过生成一个np矩阵，然后将其转换为tensorflow张量。但显然，我不知道如何把np和tf图联系起来。你知道它是如何工作的吗？我不知道，但是看起来你可以直接在TensorFlow中使用这种方法，而不需要将存储在那里的数据转换成数据数组。看，这可能会给你指明正确的方向。也许从你拥有的向量中构造一个

tf.constant

，然后执行我描述的操作，替换

tf.where（）

，

tf.square（）

，和

tf.matmul（）

。你确定tf.where（）和np.where（）做同样的事情吗？它似乎做同样的操作，但它可能不允许第二个和第三个参数使用标量。它们可能需要与第一个参数的秩相同的张量。我从来没用过。