cdist¶
- paddle. cdist ( x, y, p=2.0, compute_mode='use_mm_for_euclid_dist_if_necessary', name=None ) ¶
计算两组输入集合中每对之间的 p 范数距离。
当 \(p \in (0, \infty)\) 时,该函数等同于 scipy.spatial.distance.cdist(input,'minkowski', p=p) ; 当 \(p = 0\) 时,等同于 scipy.spatial.distance.cdist(input, 'hamming') * M ; 当 \(p = \infty\) 时,最接近的是 scipy.spatial.distance.cdist(xn, lambda x, y: np.abs(x - y).max()) 。
参数¶
x (Tensor) - 形状为 \(B \times P \times M\) 的 Tensor。
y (Tensor) - 形状为 \(B \times R \times M\) 的 Tensor。
p (float, 可选) - 计算每个向量对之间的 p 范数距离的值。默认值为 \(2.0\)。
compute_mode (str, 可选) - 选择计算模式。
use_mm_for_euclid_dist_if_necessary
: 对于 p = 2.0 且 P > 25, R > 25 ,如果可能,将使用矩阵乘法计算欧氏距离。
use_mm_for_euclid_dist
: 对于 p = 2.0 ,使用矩阵乘法计算欧几里得距离。
use_loop_for_euclid_dist
: 不使用矩阵乘法计算欧几里得距离。默认值为
use_mm_for_euclid_dist_if_necessary
。name (str, 可选) - 具体用法请参见 Name ,一般无需设置,默认值为 None。
返回¶
Tensor,dtype 与输入张量相同。 如果 x 的形状为 \(B \times P \times M\),y 的形状为 \(B \times R \times M\),则输出的形状为 \(B \times P \times R\)。
代码示例¶
COPY-FROM: paddle.cdist