torch.nn.functional.pdist

torch.nn.functional.pdist(input, p=2) → Tensor

计算输入中每对行向量的 p 范数距离。这与 torch.norm(input[:, None] - input, dim=2, p=p)的上三角部分（不包括对角线）相同。如果行是连续的，此函数将更快。

如果输入形状为 $N \times M$ ，则输出形状将为 $\frac{1}{2} N (N - 1)$ 。

此函数在 $p \in (0, \infty)$ 的情况下与 scipy.spatial.distance.pdist(input, 'minkowski', p=p) 等价。当 $p = 0$ 时，它等价于 scipy.spatial.distance.pdist(input, 'hamming') * M 。当 $p = \infty$ 时，最接近的 scipy 函数是 scipy.spatial.distance.pdist(xn, lambda x, y: np.abs(x - y).max()) 。

参数:

• 输入 – 形状为 $N \times M$ 的输入张量。

• p – 计算每对向量之间的 p 范数距离的 p 值 $\in [0, \infty]$ 。