pairwise_distance

paddle.nn.functional. pairwise_distance ( x, y, p=2., epsilon=1e-6, keepdim=False, name=None ) [源代码]

计算两组向量(输入 xy)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

  • x (Tensor) - 形状为 \([N, D]\)\([D]\) 的 Tensor,其中 \(N\) 是批大小,\(D\) 是向量的维度,数据类型为 float16,float32,float64。

  • y (Tensor) - 形状为 \([N, D]\)\([D]\) 的 Tensor,其中 \(N\) 是批大小,\(D\) 是向量的维度,数据类型为 float16,float32,float64。

  • 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。

返回

Tensor。数据类型与 xy 相同。 - 如果 keepdim 为 True,则形状为 \([N, 1]\)\([1]\),依据输入中是否有数据形状为 \([N, D]\)。 - 如果 keepdim 为 False,则形状为 \([N]\)\([]\),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)
distance = paddle.nn.functional.pairwise_distance(x, y)
print(distance)
# Tensor(shape=[2], dtype=float64, place=Place(gpu:0), stop_gradient=True,
#        [4.99999860, 4.99999860])