python - 如何找到 tensorflow 数组中的第二低值

Question

我正在编写一个聚类算法，其中一部分是为每个点簇计算欧几里德距离矩阵。 (仅供引用，所有这些都在 Tensorflow 中)。每个簇都是 8 维向量的列表，然后我将其转换为一个 M*8 矩阵。对于每个簇中的每个点，我想找到它与其最近邻居之间的距离。我相信最有效的方法是计算每个簇的点之间的成对距离，然后在生成的 M*M 矩阵的每一行中找到第二个最小值(因为每行中的最小值始终是0，给定点与其自身之间的距离)。

这是我用来为每个簇创建欧几里德距离矩阵的代码:

    partitionedData = tf.dynamic_partition(inputs, pred, num_classes)
    for partition in partitionedData:
        N = tf.to_int32(partition.get_shape()[0])
        qexpand = tf.expand_dims(partition,1)
        qTexpand = tf.expand_dims(partition,0)
        qtile = tf.tile(qexpand,[1,N,1])
        qTtile = tf.tile(qTexpand,[N,1,1])
        deltaQ = qtile - qTtile
        deltaQ2 = deltaQ*deltaQ
        d2Q = tf.reduce_sum(deltaQ2,2)

生成的矩阵可能看起来像这样(注意:这是一个距离平方矩阵):

[[  0.   8.   2.  18.]
 [  8.   0.  10.   2.]
 [  2.  10.   0.  20.]
 [ 18.   2.  20.   0.]]

对于输入矩阵:

[[2,3],[4,5],[1,4],[5,6]]

我最终想要得到的是每行中的第二个最小值，在本例中为 2,2,2 和 2。此外，如果有更好的方法来找到到最近邻居的距离集群中每个点的 tensorflow 计算效率很高，这将非常有帮助。

Answer 1

要在 TF 中查找第 k 个元素，您需要 tf.nn.top_k 。如果您需要最小的，则不要在 X 中搜索，而是在 -X 中搜索。

在你的情况下，你甚至不需要它。如果你的矩阵是一个距离，对角线总是0，这会让你的事情变得糟糕。因此，只需使用 tf.matrix_set_diag 更改矩阵的对角线即可，其中对角线是 X 大小的向量，其中每个值为 tf.reduce_max .

为此编写代码很简单。