torch.nn.functional.pdist

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

计算输入中每一对行向量之间的 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，则此函数将更快。

如果输入的形状为 $N \times M$，则输出的形状将为 $\frac{1}{2} N (N - 1)$.

如果 $p \in (0, \infty)$，则此函数等效于 scipy.spatial.distance.pdist(input, 'minkowski', p=p)。当 $p = 0$ 时，它等效于 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

• input – 形状为 $N \times M$ 的输入张量。

• p – 用于计算每个向量对之间 p 范数距离的 p 值 $\in [0, \infty]$.