python-3.x - 如何对三元组损失函数的掩码计算进行矢量化

Question

假设我有一个lst长度为 的数字列表N，以及两个数字epsilon和tau。我想找到(N,N,N)掩码矩阵mask，使得mask[i][j][k]=1当且仅当

abs(lst[i] - lst[j]) <= epsilon and abs(lst[i] - lst[k]) >= tau

这是我尝试过的：

d_mat = torch.cdist(lst.unsqueeze(0), lst.unsqueeze(0))
within_eps = torch.where(dmat  <= eps, 1, 0)
over_tau = torch.where(dmat >= tau, 1, 0)

mask = torch.zeros((N,N,N))
for i in range(N):
    for j in range(N):
        for k in range(N):
            if within_eps[i][j] == 1 and over_tau[i][k] == 1:
                mask[i][j][k] = 1
            else:
                mask[i][j][k] = 0

所以基本上我天真地做了。你能用步骤告诉我你是如何为此提出矢量化的吗？

标签： python-3.xpytorchvectorization

Answer 1

您成功创建了 2ddmat成对距离。现在您可以torch.logical_and用于创建蒙版：

mask = torch.logical_and(dmat[..., None] <= eps, dmat[:, None, :] >= tau)

如果您想明确说明距离计算（并且效率较低），您可以：

mask = torch.logical_and(torch.abs(lst[:, None, None] - lst[None, :, None]) <= eps,
                         torch.abs(lst[:, None, None] - lst[None, None, :]) >= tau)