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 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¶

x (Tensor) - 形状为 \([N, D]\) 或 \([D]\) 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 \([N, D]\) 或 \([D]\) 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 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)
>>> distance = paddle.nn.functional.pairwise_distance(x, y)
>>> print(distance)
Tensor(shape=[2], dtype=float64, place=Place(cpu), stop_gradient=True,
[4.99999860, 4.99999860])

         