如何有效地计算两个向量之间的距离？

Question

我需要反复计算cosine_distance，tf.losses.cosine_distance会返回一个标量Tensor，所以我这样做了：

  x # a tensor list
  y # a tensor list
  for i in x:
     for j in y:
         distance = tf.losses.cosine_distance(i, j, dim=0)

这种方法使图形太大，程序加载速度太慢。我该如何优化呢？

Answer 1

循环在张量流中没有好处。 我假设张量列表中的所有向量长度相等

试试这个：

x_t = tf.stack(x)
y_t = tf.stack(y)
prod = tf.matmul(x_t, y_t, transpose_b=True)
x_len = tf.sqrt(tf.reduce_sum(tf.matmul(x_t, x_t), axis=0))
y_len = tf.sqrt(tf.reduce_sum(tf.matmul(y_t, y_t), axis=0))
cosine_dist = prod/tf.matmul(x_len, y_len, transpose_b=True)