Question

我正在尝试计算火炬7中两个直方图之间的距离，为了做到这一点，我正在考虑使用地球移动器的距离。现在我知道使用类似https://github.com/garydoranjr/pyemd的东西在python中执行此操作并不困难但是我在火炬中有我的数据并且需要多次执行此计算。因此，在torch7和python之间移动整个数据不是一种选择。

所以我的问题是什么是火炬7中最快的地球移动距离计算器？我已经搜索过但找不到任何像库这样的东西，希望有更好的方法来实现这个然后逐行转换python代码，特别是看看火炬通常更好地处理gpu上的东西。

编辑我找到this但不确定如何使用它。

我目前有以下代码：

    function ColourCompareHistEMD (imagers)
        sumdistance=0
        k={}
        for i=1,$images do 
            k[i]=torch.bhistc(images[i],20,-100,100)
        end

        for i=1,$images do 
           for j=1,$images do 
                #what to do here? 
           end
        end
    end


My current best guess is something like this:

function ColourCompareHistEMD (images)
    sumdistance=0
    r={}
    for i=1,#images do 
        print(images[i])

        r[i]=torch.histc(images[i][1]:view(images[i][1]:nElement()),20,-100,100)
    end

    for i=1,#images do 
       for j=1,#images do 
            criterion = nn.EMDCriterion()
            criterion:forward(r[i],r[j])
            sumdistance=sumdistance+criterion.loss          

       end
   end

return sumdistance
end

但这似乎不能作为标准。损失不起作用，它给了我一个错误

/home/thijser/torch/install/bin/luajit: bad argument #2 to '?' (out of range at /home/thijser/torch/pkg/torch/generic/Tensor.c:704)
stack traceback:
    [C]: at 0x7f2048fdc530
    [C]: in function '__newindex'
    /home/thijser/torch/install/share/lua/5.1/EMDCriterion.lua:52: in function 'preprocess'
    /home/thijser/torch/install/share/lua/5.1/EMDCriterion.lua:255: in function 'forward'
    imageSelector.lua:343: in function 'evalHueImages'
    imageSelector.lua:66: in function 'evaluate'
    imageSelector.lua:81: in function 'SelectTop'
    imageSelector.lua:151: in function 'evolve'
    imageSelector.lua:158: in function <imageSelector.lua:156>
    [C]: in function 'dofile'
    ...jser/torch/install/lib/luarocks/rocks/trepl/scm-1/bin/th:150: in main chunk
    [C]: at 0x5641c3f40470

但我不确定如何使用它，以便在评论中计算图像i和j之间的地球移动距离。

Answer 1

EMDCriterion似乎期望输入和目标至少是2维的。它还希望您的比较中的点水平布局。由于torch.histc的结果是1维的，您可以将其重新整形为二维行张量，如下所示：

for i=1,#images do 
    print(images[i])
    local hist = torch.histc(images[i][1]:view(images[i][1]:nElement()),20,-100,100)
    r[i] = hist:reshape(1,hist:nElement())
end

此外，我尝试运行代码

criterion:forward(r[i],r[j])
print(criterion.loss)

，结果为nil。试试这个来累积损失：

local loss = criterion:forward(r[i],r[j])
sumdistance = sumdistance + loss

此外，如果您在嵌套criterion = nn.EMDCriterion()循环之外定义标准for，它会更有效率。

地球搬运工在火炬/卢安的距离（或如何使用标准来获得比较）

1 个答案: