问题描述
我有一个模型，每个样本有8个输出。我想为每个样本的皮尔逊相关性计算，然后计算样本的皮尔逊值的平均值。然后，我想将其作为模型的度量插入。现在我有了这个功能：
def tf_pearson(x,y):
mx = tf.math.reduce_mean(input_tensor=x)
my = tf.math.reduce_mean(input_tensor=y)
xm,ym = x-mx,y-my
r_num = tf.math.reduce_mean(input_tensor=tf.multiply(xm,ym))
r_den = tf.math.reduce_std(xm) * tf.math.reduce_std(ym)
return r_num / r_den
我认为应该立即计算所有样本的皮尔逊值。
我想做这样的事情：
def tf_pearson(x,y):
print(x.shape)
print(y.shape)
mx = tf.math.reduce_mean(input_tensor=x,axis=1)
my = tf.math.reduce_mean(input_tensor=y,axis=1)
print(mx.shape)
print(my.shape)
xm,ym),axis=1)
r_den = tf.math.reduce_std(xm,axis=1) * tf.math.reduce_std(ym,axis=1)
return tf.math.reduce_mean(input_tensor=r_num / r_den)
但是由于张量一维形状为无，所以reduce_mean总是减小。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）