我有两组矩阵 Sigma 和 Sigma_barre(大小:KxDxD),我尝试计算这两组之间的 Frobenius 距离(矩阵上的 2-Norm)矩阵,也就是说,矩阵 M(大小为 KxK)这样
M[ i , j ] = Sigma[ i ] 和 Sigma_barre[ j ] 之间的距离
我使用了 np.linalg.norm,但我不能百分百确定它是否符合我的要求。这是我天真的代码:
M = np.zeros((K,K))
for i in range(K):
for j in range(K):
M[i,j] = np.linalg.norm(sigma[i]-sigma_barre[j])
所以我的问题是:您知道计算此矩阵的优雅/有效方法吗?
请您参考如下方法:
您可以通过添加一些虚拟维度并指定应该在哪个轴上完成求和来一次完成此操作。
M = np.linalg.norm(sigma[:,None] - sigma_barre[None,:], axis=(2,3))
因为 sigma[:,None] - sigma_barre[None,:] 是一个 KxKxDxD 大小的矩阵,这可能会占用大量内存,具体取决于 K 和 D 的大小。如果内存有问题,您的解决方案似乎不错,尽管您可以从 i+1 开始循环 j,因为您知道 M[i,j] == M[j,i],并且 M[i,i] == 0。
