Euklidischer Abstand in Tensorflow, Matrix umwandeln

Question

Ich habe ein KNN Klassifikations-Projekt, das zum Vergleich die euklidische Distanz mit Tensorflow berechnen muss.

Der ursprüngliche Code ohne tensorflow ist wie folgt:

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)

und mit tensorflow ist wie folgt:

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

Ist das richtig? Aus diesem Code wurde Distanz zum Tensor, und ich brauche eine Methode, um diesen Tensor in eine normale Matrix umzuwandeln.

Jede Hilfe wird geschätzt, danke!

Answer 1

Um nd Array zu erhalten (Matrix) Sie das Diagramm wie Schlag

session=tf.Session() 
nd_distance=session.run(distance) 

Sie müssen ausführen müssen Sie den Code

...... 
...... 
    distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2)))) 
    nd_distance=session.run(distance) 
    print (nd_distance) 
    return nd_distance 

ändern Ich sehe nicht die Notwendigkeit tf.negative Funktion und for loop