PairwiseDistance¶

class paddle.nn. PairwiseDistance ( p=2., epsilon=1e-6, keepdim=False, name=None ) [源代码] ¶

计算两组向量（输入 x、y）两两之间的距离。该距离通过 p 范数计算：

$\Vert x \Vert _p = \left( \sum_{i=1}^n \vert x_i \vert ^ p \right ) ^ {1/p}.$

参数¶

p (float，可选) - 指定 p 阶的范数。默认值为 $2.0$ 。

epsilon (float，可选) - 添加到分母的一个很小值，避免发生除零错误。默认值为 $1e-6$ 。

keepdim (bool，可选) - 是否保留输出 Tensor 减少的维度。输出结果相对于 $|x-y|$ 的结果减少一维，除非 keepdim 为 True，默认值为 False。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

形状¶

x (Tensor) - $[N, D]$ 或 $[D]$ ，其中 $N$ 是批大小， $D$ 是向量的维度，数据类型为 float16，float32，float64。

y (Tensor) - $[N, D]$ 或 $[D]$ ，与 x 的数据类型相同。

output (Tensor) - 数据类型与 x、 y 相同。

如果 keepdim 为 True，则形状为 $[N, 1]$ 或 $[1]$ ，依据输入中是否有数据形状为 $[N, D]$ 。

如果 keepdim 为 False，则形状为 $[N]$ 或 $[]$ ，依据输入中是否有数据形状为 $[N, D]$ 。

代码示例¶

>>> import paddle
>>> x = paddle.to_tensor([[1., 3.], [3., 5.]], dtype=paddle.float64)
>>> y = paddle.to_tensor([[5., 6.], [7., 8.]], dtype=paddle.float64)
>>> dist = paddle.nn.PairwiseDistance()
>>> distance = dist(x, y)
>>> print(distance)
Tensor(shape=[2], dtype=float64, place=Place(cpu), stop_gradient=True,
[4.99999860, 4.99999860])