Python PyTorch cdist用法及代碼示例

本文簡要介紹python語言中 torch.cdist 的用法。

用法:

torch.cdist(x1, x2, p=2.0, compute_mode='use_mm_for_euclid_dist_if_necessary')

參數：

• x1(Tensor) -形狀為 B \times P \times M 的輸入張量。

• x2(Tensor) -形狀為 B \times R \times M 的輸入張量。

• p-要計算每個向量對之間的 p-norm 距離的 p 值 \in [0, \infty] 。

• compute_mode-‘use_mm_for_euclid_dist_if_necessary’ - 如果 P > 25 或 R > 25，將使用矩陣乘法方法計算歐幾裏德距離 (p = 2) ‘use_mm_for_euclid_dist’ - 將始終使用矩陣乘法方法計算歐幾裏德距離 (p = 2) ‘donot_use_mm_for_euclid_dist’ - 將切勿使用矩陣乘法方法計算歐幾裏得距離 (p = 2) 默認值：use_mm_for_euclid_dist_if_necessary。

計算兩個行向量集合的每對之間的 p-norm 距離。

如果 x1 的形狀為 B \times P \times M 而 x2 的形狀為 B \times R \times M ，則輸出的形狀為 B \times P \times R 。

此函數等效於 scipy.spatial.distance.cdist(input,’minkowski’, p=p) if p \in (0, \infty) 。當 p = 0 等效於 scipy.spatial.distance.cdist(input, ‘hamming’) * M 。當 p = \infty 時，最接近的 scipy 函數是 scipy.spatial.distance.cdist(xn, lambda x, y: np.abs(x - y).max()) 。

示例

>>> a = torch.tensor([[0.9041,  0.0196], [-0.3108, -2.4423], [-0.4821,  1.059]])
>>> a
tensor([[ 0.9041,  0.0196],
        [-0.3108, -2.4423],
        [-0.4821,  1.0590]])
>>> b = torch.tensor([[-2.1763, -0.4713], [-0.6986,  1.3702]])
>>> b
tensor([[-2.1763, -0.4713],
        [-0.6986,  1.3702]])
>>> torch.cdist(a, b, p=2)
tensor([[3.1193, 2.0959],
        [2.7138, 3.8322],
        [2.2830, 0.3791]])