使用没有循环的PyTorch计算欧氏距离(仅使用向量化)

我目前正在努力完成麻省理工学院的深度学习和计算机视觉课程(EECS 498-007 / 598-005)作业1，这似乎有一个大致相当于斯坦福CS 231n

创建一个函数，计算两两的欧氏距离xtrain,xtest。尺寸:[N,x,x]和[M,x,x] (x是相同的数字)

距离-形状为[N,M]的矩阵，表示每个训练点到每个测试点之间的距离

赋值中有给定的a:

试着用两个广播和和和一个矩阵乘法来表示欧氏距离

我试图使用广播来实现这个数学运算，其中的中间项是一个简单的矩阵乘法

我在与张量形状作斗争。到目前为止，我的实现如下:

def euc_no_loop(x,y):
  #hint: two broadcast sums
  xsq = torch.sum(x**2,axis=1)
  print(xsq.shape)
  ysq = torch.sum(y**2,axis=1)
  print(ysq.shape)
  #and one matrix multiply
  mixprod = -2 * x.view(x.shape[0],-1).matmul(y.view(y.shape[0],-1).T)
  print(mixprod.shape)
  euc_dist = torch.sqrt(xsq + mixprod + ysq.unsqueeze(1).T)
  return euc_dist

输入为:

x = torch.randn(5,3,3)

y = torch.randn(3,3,3)

形状成为:

xsq:(5 3)

ysq (3 3):

mixprod:(5 3)

输出维数变为[3,5,3].

使用矩阵乘法计算numpy的L2距离

我就是不明白我哪里错了