欧氏距离matlab代码-Tensorflow_Pytorch_Sinkhorn_OT:用于计算两个离散分布之间的最佳运输(OT)距离的Sin

上传者: 38624557 | 上传时间: 2023-02-09 17:49:50 | 文件大小: 5KB | 文件类型: ZIP
欧氏距离matlab代码Tensorflow_Pytorch_Sinkhorn_OT 用于计算两个离散分布之间的最佳运输(OT)距离的Sinkhorn算法[1]的Tensorflow(1.0或2.0)和Pytorch实现。 概述 这些实现是从Cuturi到Tensorflow和Pytorch的改编,它们能够利用其自动差异功能和在GPU上运行的能力。 这些实现并行计算N对离散分布对(即,概率向量)之间的OT距离。 它对应于Cuturi实施中的“ N倍1-vs-1模式”。 输入 a :D_1×N矩阵,每列是D_1维(规格化)概率向量。 b :D_2×N矩阵,每列是D_2维(规格化)概率向量。 M :D_1×D_2矩阵,成本函数正,对角线应为零。 lambda_sh, numItermax, stopThr :算法的参数,与Cuturi的实现相同。 a, b, M是Tensorflow或Pytorch的张量,因此,反向传播适用。 输出 该算法输出一个N维矢量,第n个元素是a[:,n]与b[:,n]之间的(近似)OT距离。 测试 在test.py文件中,提供了Cuturi的Matlab实现与我

文件下载

资源详情

[{"title":"( 5 个子文件 5KB ) 欧氏距离matlab代码-Tensorflow_Pytorch_Sinkhorn_OT:用于计算两个离散分布之间的最佳运输(OT)距离的Sin","children":[{"title":"Tensorflow_Pytorch_Sinkhorn_OT-main","children":[{"title":".gitignore <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.70KB </span>","children":null,"spread":false},{"title":"test.py <span style='color:#111;'> 1.28KB </span>","children":null,"spread":false},{"title":"auto_diff_sinkhorn.py <span style='color:#111;'> 2.47KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明