如何在张量流中将张量的每一行乘以元素的其余行

Question

我有一个这样的张量：

tf_docs = tf.constant([[0, 2, 1],
                       [1, 2, 2],
                       [2, 1, 3],
                       [5, 2, 2]], dtype=tf.int32)

我需要将每一行乘以其余行，元素明智，然后总结结果。

当第一行完成后，我们将处理第二行和其余行......

所以结果会是这样：它将是4*4，因为我们有 4 行

result_tf =[[0,  6,  5, 6 ],
            [6,  0, 10, 13],
            [5, 10,  3, 18],
            [6,  13, 18, 0]]

让我解释一下result_tf中的每个元素（矩阵是对称的。

第一行：

0*1 + 2*2 + 1*2 = 6
0*2 + 2*1 + 1*3 = 5
0*5 + 2*2 + 1*2 = 6

第二行：

1*2 + 2*1 + 2*3 = 10
1*5 + 2*2 + 2*2 = 13

第三行：

2*5 + 1*2 + 3*2 = 18

这些是我如何形成矩阵的上侧。

那么诊断中的值是：

(0,0) 在任何列中都没有co-occurred 所以0

(1,1) 在任何列中都没有co-occurred 所以0

(2,2) 在第二列有co-occurred 2 时间，在第三列有1 time 所以3

(3,3) 没有同时出现在任何列中，所以0

我觉得这需要更多的创造力来解决，而不是了解技术。 （从字面上看，如果您知道共现的概念，我正在计算同一矩阵上的共现）

我做了什么：

我可以使用 for 循环轻松做到这一点。但是我需要完成 tensorflow 操作。我找不到类似这个问题的任何东西。 我也在考虑使用 collect 每次都获取指定的行并将它们连接起来。但是这种方式不是动态的，我的行和列都比这大，所以这个解决方案不可行

Answer 1

这是一种方法：

import tensorflow as tf

tf_docs = tf.constant([[0, 2, 1],
                       [1, 2, 2],
                       [2, 1, 3],
                       [5, 2, 2]], dtype=tf.int32)

# Non-diagonal elements
nondiag = tf.matmul(tf_docs, tf_docs, transpose_b=True)
# Compute diagonal
r = tf.range(tf.shape(tf_docs, out_type=tf_docs.dtype)[0])
# Compare each index against each value
cmp = tf.equal(tf.expand_dims(tf_docs, axis=-1), r)
# Count appearances of each index in each column
count = tf.math.count_nonzero(cmp, axis=0, dtype=tf_docs.dtype)
# Sum number of appearances over one
diag = tf.reduce_sum(tf.maximum(count - 1, 0), axis=0)
# Set diagonal elements
result_tf = tf.linalg.set_diag(nondiag, diag)
print(result_tf.numpy())
# [[ 0  6  5  6]
#  [ 6  0 10 13]
#  [ 5 10  3 18]
#  [ 6 13 18  0]]