torch.nn.functional.pdist

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

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

如果输入的形状是 $N \times M$，那么输出的形状将是 $\frac{1}{2} N (N - 1)$。

此函数等价于 scipy.spatial.distance.pdist(input, 'minkowski', p=p) 如果 $p \in (0, \infty)$。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())。

Parameters

• 输入 – 形状为 $N \times M$ 的输入张量。

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