Open sunsenheping opened 1 year ago
@lw0517 有时间来看一下。
在用自己的数据集运行DG库中的MMD算法时,出现了矩阵形状不一样导致无法相加的问题。下图是github中MMD计算的代码: 我的数据,x1和x2的形状均为(32, 600, 64)。考虑到batch问题,我在计算时将
addmm
换为了addbmm
,但是我发现,无论是用二维数据使用addmm
还是三维数据使用addbmm
,在计算时存在矩阵形状不一样导致无法相加的问题,各个张量的形状如下图所示: 可以看到,x2_norm.transpose(-2, -1)
的形状与matmul(x1, x2.transpose(-2, -1))
的形状不一致,二者是没办法做和相加的。麻烦大佬们看一下,是哪里有了问题?感谢
建议的做法是将三维的转化成二维的进行MMD距离计算。如果用torch.addbmm,最好参考一下https://pytorch.org/docs/1.10/generated/torch.addmm.html?highlight=addmm#torch.addmm, 可以看出来维度是不一致的。
在用自己的数据集运行DG库中的MMD算法时,出现了矩阵形状不一样导致无法相加的问题。下图是github中MMD计算的代码: 我的数据,x1和x2的形状均为(32, 600, 64)。考虑到batch问题,我在计算时将
addmm
换为了addbmm
,但是我发现,无论是用二维数据使用addmm
还是三维数据使用addbmm
,在计算时存在矩阵形状不一样导致无法相加的问题,各个张量的形状如下图所示: 可以看到,x2_norm.transpose(-2, -1)
的形状与matmul(x1, x2.transpose(-2, -1))
的形状不一致,二者是没办法做和相加的。麻烦大佬们看一下,是哪里有了问题?感谢建议的做法是将三维的转化成二维的进行MMD距离计算。如果用torch.addbmm,最好参考一下https://pytorch.org/docs/1.10/generated/torch.addmm.html?highlight=addmm#torch.addmm, 可以看出来维度是不一致的。
问题是,我用二维矩阵也试过,按照你们MMD的代码,还是存在形状不一致,addmm无法进行相加的问题的。你也可以推导一下。
如果x2_norm.transpose(-2, -1)
的形状与matmul(x1, x2.transpose(-2, -1))
的形状不一致,二者是没办法做和相加的,那么你们现在的MMD代码也就无法跑通呀。
我们是按照batch来算的,一个batch内大家形状是一样的,不明白为什么会出现形状不一样的问题。
在用自己的数据集运行DG库中的MMD算法时,出现了矩阵形状不一样导致无法相加的问题。下图是github中MMD计算的代码: 我的数据,x1和x2的形状均为(32, 600, 64)。考虑到batch问题,我在计算时将
addmm
换为了addbmm
,但是我发现,无论是用二维数据使用addmm
还是三维数据使用addbmm
,在计算时存在矩阵形状不一样导致无法相加的问题,各个张量的形状如下图所示: 可以看到,x2_norm.transpose(-2, -1)
的形状与matmul(x1, x2.transpose(-2, -1))
的形状不一致,二者是没办法做和相加的。麻烦大佬们看一下,是哪里有了问题?感谢