2 个不同形状的张量之间的 PyTorch L2-范数

Question

我在 PyTorch 中有 2 个张量：

a.shape, b.shape
# (torch.Size([1600, 2]), torch.Size([128, 2]))

我想计算“b”中 128 个值之间的 L2 范数距离，其中“a”中的所有 1600 个值具有 2-dim 值。目前，我有一个低效的 for 循环来对 b 中的每个值执行此操作，如下所示：

# Need to compute l2-norm squared dist b/w each b from a-
l2_dist_squared = list()

for bmu in bmu_locs:
    l2_dist_squared.append(torch.norm(input = a.to(torch.float32) - b, p = 2, dim = 1))

l2_dist_squared = torch.stack(l2_dist_squared)

# l2_dist_squared.shape
# torch.Size([128, 1600])

作为一个班轮有更好的方法吗？

Answer 1

您可以使用

torch.cdist

计算批量p-范数，它在形状为

x1

的

B×P×M

和形状为

x2

的

B×R×M

之间运行，返回形状为

B×P×R

的张量。这意味着公共维度

M

是减少的维度。首先，解压缩两个输入上的一个单一维度以将它们转换为 3D，然后应用该函数：

>>> torch.cdist(a[None], b[None]).shape
>>> torch.Size([1, 1600, 128])