成对距离 ¶

class torch.nn.PairwiseDistance(p=2.0, eps=1e-06, keepdim=False)

计算输入向量的成对距离，或输入矩阵列之间的距离。

距离是通过使用 p -范数计算的，为了避免 p 为负时除以零，添加了常数 eps ，即：

$$\mathrm{dist}\left(x, y\right) = \left\Vert x-y + \epsilon e \right\Vert_p,$$

其中 $e$ 是全 1 向量，而 p -范数由以下给出。

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

参数:

• p（实数，可选）- 范数度数。可以是负数。默认：2

• eps（浮点数，可选）- 避免除以零的小值。默认：1e-6

• keepdim（bool，可选）- 决定是否保留向量维度。默认：False

形状：

• Input1: $(N, D)$ 或 $(D)$ 其中 N = 批量维度，D = 向量维度

• Input2: $(N, D)$ 或 $(D)$ ，与 Input1 形状相同

• 输出： $(N)$ 或 $()$ 基于输入维度。如果 keepdim 等于 True ，则根据输入维度为 $(N, 1)$ 或 $(1)$

示例::

>>> pdist = nn.PairwiseDistance(p=2)
>>> input1 = torch.randn(100, 128)
>>> input2 = torch.randn(100, 128)
>>> output = pdist(input1, input2)