距离计算 (cupyx.scipy.spatial.distance)#

备注

distance 模块使用 pylibraft 作为后端。您需要从 rapidsai Conda 频道安装 pylibraft 包 <https://anaconda.org/rapidsai/pylibraft> 以使用本页列出的功能。

备注

目前，distance 模块在 AMD ROCm 平台上不受支持。

提示

SciPy API 参考：空间距离例程 (scipy.spatial.distance)

距离矩阵计算#

从一个矩形数组中存储的原始观测向量集合计算距离矩阵。

pdist(X[, metric, out])

计算n维空间中观测值之间的距离。

cdist(XA, XB[, metric, out])

计算两个输入集合中每一对之间的距离。

distance_matrix(x, y[, p])

计算距离矩阵。

距离函数#

两个数值向量 u 和 v 之间的距离函数。对于这些函数来说，在大规模向量集合上计算距离是低效的。为此目的，请使用 cdist。

minkowski(u, v, p)

计算两个一维数组之间的闵可夫斯基距离。

canberra(u, v)

计算两个一维数组之间的堪培拉距离。

chebyshev(u, v)

计算两个一维数组之间的切比雪夫距离。

cityblock(u, v)

计算两个一维数组之间的城市街区（曼哈顿）距离。

correlation(u, v)

计算两个一维数组之间的相关距离。

cosine(u, v)

计算两个一维数组之间的余弦距离。

hamming(u, v)

计算两个一维数组之间的汉明距离。

euclidean(u, v)

计算两个一维数组之间的欧几里得距离。

jensenshannon(u, v)

计算两个一维数组之间的 Jensen-Shannon 距离。

russellrao(u, v)

计算两个一维数组之间的Russell-Rao距离。

sqeuclidean(u, v)

计算两个一维数组之间的欧几里得距离的平方。

hellinger(u, v)

计算两个一维数组之间的 Hellinger 距离。

kl_divergence(u, v)

计算两个一维数组之间的 Kullback-Leibler 散度。