我已经将动态时间扭曲实现从普通 python 重写为 Tensorflow。但它确实很慢——比预先计算距离并将其作为数据加载到 Tensorflow 中慢得多。我不明白为什么它很慢或如何改进它。
我还尝试使用签名转换其他 DTW 实现，但没有成功。有什么建议么？
def tfDTW(s1, s2):
r = tf.cast(tf.shape(s1)[0], tf.int32)
c = tf.cast(tf.shape(s2)[0], tf.int32)
window = tf.math.reduce_max([r,c])
max_step = max_dist = 1e7
penalty = psi = tf.constant(0, dtype=tf.float64)
length = tf.math.reduce_min([c + 1, tf.math.abs(r - c) + 2 * (window - 1) + 1 + 1 + 1])
indices = [0,-1]
dtw = tf.one_hot(indices, depth = length,
on_value=0.0, off_value=1e7,
axis=-1) # output: [2,length]
dtw=tf.cast(dtw, tf.float64)
last_under_max_dist = tf.constant(0)
skip = tf.constant(0)
i0 …