矩阵之间欧式距离的快捷计算方法
最近工作中需要用到矩阵中各个样本之间欧氏距离,因此记录一下,如何简便快捷地进行tensor间欧氏距离的计算(使用Pytorch框架)。
按照我之前的想法,会进行两轮或者一轮循环一个个地求出样本间的欧氏距离,但是看过了michuanhaohao/reid-strong-baseline 中Euclidean_dist()方法的运算之后才发现了新大陆---------通过矩阵的方式快速的进行计算。
一、理论分析
首先从理论上介绍 一下,矩阵之间欧氏距离的快速计算,参考了@frankzd 的博客,原文链接在
https://blog.csdn.net/frankzd/article/details/80251042
二、代码分析
接下来上代码,我会在每一行进行必要的注释(来源:https://github.com/michuanhaohao/reid-strong-baseline/blob/master/layers/triplet_loss.py)
def euclidean_dist(x, y):
"""
Args:
x: pytorch Variable, with shape [m, d]
y: pytorch Variable, with shape [n, d]
Returns:
dist: pytorch Variable, with shape [m, n]
"""
m, n = x.size(0), y.size(0)
# xx经过pow()方法对每单个数据进行二次方操作后,在axis=1 方向(横向,就是第一列向最后一列的方向)加和,此时xx的shape为(m, 1),经过expand()方法,扩展n-1次,此时xx的shape为(m, n)
xx = torch.pow(x, 2).sum(1, keepdim=True).expand(m, n)
# yy会在最后进行转置的操作
yy = torch.pow(y, 2).sum(1, keepdim=True).expand(n, m).t()
dist = xx + yy
# torch.addmm(beta=1, input, alpha=1, mat1, mat2, out=None),这行表示的意思是dist - 2 * x * yT
dist.addmm_(1, -2, x, y.t())
# clamp()函数可以限定dist内元素的最大最小范围,dist最后开方,得到样本之间的距离矩阵
dist = dist.clamp(min=1e-12).sqrt() # for numerical stability
return dist
三、demo演示
接下来用一个简单的demo实现(也便于自己查验最后结果是否正确)
import torch
def euclidean_dist(x, y):
m, n = x.size(0), y.size(0)
xx = torch.pow(x, 2).sum(1, keepdim=True).expand(m, n)
yy = torch.pow(y, 2).sum(1, keepdim=True).expand(n, m).t()
dist = xx + yy
dist.addmm_(1, -2, x, y.t())
dist = dist.clamp(min=1e-12).sqrt() # for numerical stability
return dist
if __name__ == '__main__':
x = torch.tensor([[1.0, 2.0, 3.0, 4.0], [2.0, 5.0, 7.0, 9.0]])
y = torch.tensor([[3.0, 1.0, 2.0, 5.0], [2.0, 3.0, 4.0, 6.0]])
dist_matrix = euclidean_dist(x, y)
print(dist_matrix)
最后输出的结果为:
tensor([[2.6458, 2.6458],[7.6158, 4.6904]])
理论看起来稍微有些麻烦,不过静下心来琢磨一下,还是很简单的。本文使用的是pytorch下的tensor变量进行的演示,对于矩阵,原理也是相同的。学会这个方法,以后就可以很高效地,而不必通过循环的方式计算矩阵间的欧氏距离了。
矩阵之间欧式距离的快捷计算方法相关推荐
- 计算特征向量间欧式距离的快捷方法
最近因为课题需要,使用欧式距离来计算多个特征向量间的距离.开始的想法是使用循环来解决,发现计算复杂度高,时间长 在博客中看到作者GoHowz 和其引用frankzd博客,通过矩阵的方法来代替之前循环计 ...
- R语言——欧式距离的快速计算方法
之前计算欧式距离的时候,直接使用了dist()方法.但是在实际应用中,这种方法在处理大量数据的时候会被截断,运行时间很长. 百度出来一个感觉很高大上的方法: 快速欧式距离计算[豆瓣] 里面提供了一种运 ...
- 矩阵运算实现求样本与样本之间欧式距离
前言 最近需要写关于kmeans的一些小程序,需要计算距离,直接写for循环又特别慢,再要是样本多一点,那简直了.细细一想,需要计算距离的地方还真不少,kmeans.KNN.图等等. 1. 理论指导 ...
- 动画演示:两个矩阵的欧式距离计算
文章目录 1. 动画演示 2. 计算公式 1. 动画演示 A−(a,b)A - (a,b)A−(a,b)和B−(c,d)B - (c,d)B−(c,d)的欧氏距离矩阵C−(a,c)C - (a,c)C ...
- 计算两个矩阵的行向量之间的欧式距离
1 问题描述 矩阵P的大小为[m, d] 用行向量表示为P1, P2,...,Pm 矩阵C的大小为[n, d] 用行向量表示为C1, C2,...,Cn 求矩阵P的每个行向量与矩阵C的每个行 ...
- 实现两个点集的欧式距离和cos距离和索引值寻找(含有两种解法,for循环和矩阵操作)
一.计算欧式距离 1,直接for循环 两个点集points1,points2,用dist来存储距离 points1=np.array([[1,2],[3,4]]) points2 = np.array ...
- 矩阵向量中两两间欧式距离计算
目标:希望通过的矩阵运算就能得出矩阵向量中两两之间的欧式距离 欧氏距离公式: 一般而言,我们常见的欧式距离计算公式如下: a,b 对应的是两组不同的向量 dist(a,b)=(a1−b1)2+(a2− ...
- Python中计算两个数据点之间的欧式距离,一个点到数据集中其他点的距离之和
计算数两个数据点之间的欧式距离 import numpy as np def ed(m, n):return np.sqrt(np.sum((m - n) ** 2)) i = np.array([1 ...
- MATLAB中实现多个点到某一点欧式距离计算方法
%方法一 A=[1,2];%固定的某一点 B=rand(100,2);%100个点要求它到A点的欧式距离 C(:,1)=B(:,1)-A(:,1); C(:,2)=B(:,2)-A(:,2); D=C ...
最新文章
- linux编程技术进程代码,Linux进程通信—信号量 代码实现
- pandas isnull 函数
- hdu 2191 悼念512汶川大地震遇难同胞——珍惜现在,感恩生活 (背包问题)
- 解决Pytohn安装第三方库出现read timed out 问题
- c语言软件幻化,python字符串处理
- 顺丰快递单号的规律_顺丰快递顺丰快递查询单号查询
- java 唯一流水号_JAVA流水号生成规格,采用同步单例生成,保证永远唯一
- shell编写一键安装mysql.sh
- diamond专题(一)– 简介和快速使用
- StringUtil.isNotEmpty(转)
- 【有利可图网】PS教程:制作变形文字
- 【回顾】巨杉数据库中标渤海银行,股份制银行再下一城
- qiankun加载react子应用报错[import-html-entry]: error occurs while executing normal script
- 房地产前期投资阶段及启动阶段目标成本形成过程
- echarts实现饼图阴影,改变饼图的颜色,改变引导线的颜色
- echarts的词云图
- Google搜索规则——更准确的获取内容
- 【颜纠日记】极简生活,盘点那些生活中的消耗品,耐用品,拯救你的断舍离。
- c语言调易语言dll,易语言DLL来返回文本供其他语言调用
- 利用7z程序压缩、解压
热门文章
- Excel作图-二维面积图展现占比变化
- 如何用halcon实现模板匹配
- 全球及中国炼油工业市场供需规模及竞争格局咨询报告2021版
- 关于MOS管最全的知识
- 蓝牙ELM327连接雪铁龙世嘉,看行车信息
- Chrome现在会在地址中隐藏WWW和HTTPS://。 你关心?
- 国内外教育机器人生产企业及产品情况分析
- 《炬丰科技-半导体工艺》氮化钛掩膜和刻蚀残留物去除
- 本地推送到远程仓库出的问题解决[remote rejected] master - master (hook declined) error: failed to push some refs to
- Excel绘图新高度---EasyCharts