Tensorflow中的欧几里德距离，转换矩阵

Question

我有一个knn分类项目，需要用张量流计算欧氏距离进行比较。

没有张量流的原始代码是这样的：

＆＃13;

＆＃13;

def euclidean_distance(self,x1, x2):
        distance = 0.0
        for i in range(len(x1)):
            distance += pow( x1[i] - x2[i], 2)
        print(distance)
        return math.sqrt(distance)

＆＃13;

＆＃13;

＆＃13;

和tensorflow是这样的：

＆＃13;

＆＃13;

distance = 0.0
        for i in range(len(x1)):
            distance = tf.negative(tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2)))))
        return distance

＆＃13;

＆＃13;

＆＃13;

这是对的吗？由于代码距离变得张量，我需要一种方法将张量转换为正常矩阵。

感谢任何帮助，谢谢！

Answer 1

为了获得nd数组（矩阵），您需要像打击

一样运行图形

session=tf.Session()
nd_distance=session.run(distance)

您必须将代码更改为

......
......
     distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))
     nd_distance=session.run(distance)
     print (nd_distance)
     return nd_distance

我不认为需要tf.negative功能和for loop