我正在学习在Pytorch中实现因子分解机（Factorization Machine）。其中应该有一些特征交叉操作。例如，我有三个特征[A,B,C]，经过嵌入后，它们变为[vA,vB,vC]，所以特征交叉是“[vA·vB], [vA·vC], [vB·vc]”。

我知道这个操作可以通过以下方式简化：

它可以通过矩阵运算来实现。但这只给出了一个最终结果，即一个单一的值。

问题是，如何在不使用FOR循环的情况下获取以下所有的cross_vec：注意：“feature_emb”的大小为[batch_size x feature_len x embedding_size]

    g_feature = 0     for i in range(self.featurn_len):        for j in range(self.featurn_len):            if j <= i: continue            cross_vec = feature_emb[:,i,:] * feature_emb[:,j,:]                   g_feature += torch.sum(cross_vec, dim=1)

回答：

你可以

cross_vec = (feature_emb[:, None, ...] * feature_emb[..., None, :]).sum(dim=-1)

这应该会给你corss_vec的形状为(batch_size, feature_len, feature_len)。

或者，你可以使用torch.bmm

cross_vec = torch.bmm(feature_emb, feature_emb.transpose(1, 2))