python - 如何从 tensorflow 中的向量构造成对差的平方？

Question

我在 TensorFlow 中有一个 N 维的一维向量，

如何构造成对平方差的总和？

例子

输入向量
[1,2,3]
输出6
计算为

(1-2)^2+(1-3)^2+(2-3)^2.

如果我将输入作为 N 维向量 l，则输出应为 sigma_{i,j}((l_i-l_j)^2)。

新增问题:如果我有一个二维矩阵，想对矩阵的每一行执行相同的处理，然后对所有行的结果进行平均，我该怎么做？非常感谢!

Answer 1

对于成对差异，减去 input 和 input 的转置，只取上三角部分，如:

pair_diff = tf.matrix_band_part(a[...,None] - 
                      tf.transpose(a[...,None]), 0, -1)

然后您可以对差求平方和。

代码:

a = tf.constant([1,2,3])
pair_diff = tf.matrix_band_part(a[...,None] - 
                      tf.transpose(a[...,None]), 0, -1)
output = tf.reduce_sum(tf.square(pair_diff))

with tf.Session() as sess:
  print(sess.run(output))
  # 6