用Tensorflow计算距离矩阵

用Tensorflow计算距离矩阵

  一般计算距离矩阵，都是用两层循环来做，这样效率太低。在样本维度上，距离矩阵的运算相互没有依赖关系，是可以做并行的。除了开多线程用CPU并行计算以外，还可以用GPU加速，比如拿tensorflow实现。

数据结构

  现在有 $N$（可以理解为 $batch\_size$）个时序序列样本，每个样本的大小为 $(T,C)$，是长度为 $T$ 的 $C$ 维向量序列。考虑到时序序列的特点，每个样本的长度可能各不相同，但是做了补零处理（$Padding$），使得长度短于 $T$ 的序列补全到 $T$，最终构成如下图所示的 $(N,T,C)$ 大小的张量（$Tensor$）。

距离计算思路

  所谓距离矩阵，即在某个数据集中，对时序序列样本两两之间计算距离矩阵。序列 $X=[x_1,x_2,\cdots ]$ 与序列 $Y=$