python-3.x - Tensorflow中的欧式距离，转换矩阵

我有一个knn分类项目，该项目需要使用张量流来计算欧式距离以进行比较。

没有张量流的原始代码是这样的:

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)

和tensorflow是这样的:

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

这是正确的吗？由于该代码距离成为张量，因此我需要一种将该张量转换为正常矩阵的方法。

任何帮助表示赞赏，谢谢!

最佳答案

为了得到nd array(matrix)，您需要像打击一样运行图

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

我看不到需要tf.negative函数和for loop

关于python-3.x - Tensorflow中的欧式距离，转换矩阵，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45454354/