torch.nn.functional.pdist

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

計算輸入中每對 row 向量之間的 p-norm 距離。這等同於 torch.norm(input[:, None] - input, dim=2, p=p) 的上三角部分，但不包括對角線。如果 rows 是連續的，此函數會更快。

如果 input 的形狀是 $N \times M$，則輸出的形狀將會是 $\frac{1}{2} N (N - 1)$。

如果 $p \in (0, \infty)$，則此函數等效於 scipy.spatial.distance.pdist(input, 'minkowski', p=p)。當 $p = 0$ 時，它等效於 scipy.spatial.distance.pdist(input, 'hamming') * M。當 $p = \infty$ 時，最接近的 scipy 函數是 scipy.spatial.distance.pdist(xn, lambda x, y: np.abs(x - y).max())。

參數

• input – 形狀為 $N \times M$ 的輸入 tensor。

• p – p 值，用於計算每個向量對之間的 p-norm 距離 $\in [0, \infty]$。