transferlearning
transferlearning copied to clipboard
jindongwang
运行MMD时矩阵不一致问题的报错。
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
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：
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：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。