a=(batch_size，)与b=(batch_size，1)在计算时有什么区别，当我在计算两个值a ，b两个值得欧氏距离时，该采用a的格式还是b的格式？
提问者：Assam
发帖时间：2018-6-7 17:15:26
就按一个1的事，你要觉得可能出问题就加上，有那么难嘛
ZMikkelsen，发表于 2018-6-8 09:55:14
a和b的维度不一样（a是一维，b是二维），显然计算时区别很大。
关于计算距离，严格来说，楼主没说明想要计算哪一维度的距离，应该是没法回答的。一般来讲，首先是不要混用两种不同维度。其次，楼主说了是batch_size，所以大胆假定楼主是想要一批中的每个样本分别独立计算距离，并且最后想要得到一阶张量。那么两种维度都是可以计算的：
- 一阶张量：tf.sqrt(tf.square(tf.subtract(a, a_)))
- 二阶张量：tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(a, a_)), 1))
再往下说，计算距离的一个应用时比较预测结果和真实值之间的差距，而来源于神经网络的预测结果很可能是二维的（批次中的样本独立计算），也就是得到的了楼主所谓的b=(batch_size，1)，这种情况下，一般自定义计算距离需要真实值输入也是二维的，并且用二维的方法计算距离。
yunhai_luo，发表于 2018-6-8 13:48:06
Assam：
b是经过网络的输出，a是原始标签。我想计算两者之间的欧氏距离的话，是应该用一阶张量吧？
yunhai_luo:
这个我不知道，只有你自己知道。我只能提两个问题供参考，第一，你需不需要a和b同阶。第二，你需要的结果是一个数、一个向量还是什么形状。
Assam:
嗯嗯，我在思考下，真是太感谢你了
yunhai_luo:
不客气。
Assam（提问者）& yunhai_luo（最佳答案提供者），发表于 2018-6-8 14:10:03
从格式上可以看出维度不同，其他的不能确定。
neverchange，发表于 2018-7-3 16:59:21
其实没什么区别，，就类似于reduce mean和reduce sum一样，，感觉能相互转化哈哈哈
ViolinSolo，发表于 2018-7-3 20:13:01
ab格式要统一
ves，发表于 2018-7-4 21:09:25
其实两个实质是一样的
kdongyi，发表于 2018-7-15 17:22:08