PairwiseDistance

class torch.nn.PairwiseDistance(p=2.0, eps=1e-06, keepdim=False) [source]

Вычисляет парное расстояние между векторами входных данных или между столбцами матриц входных данных.

Расстояния вычисляются с использованием p-нормы, с постоянной величиной eps, добавленной для предотвращения деления на ноль, если p отрицательно, т.е.:

$$\mathrm{dist}\left(x, y\right) = \left\Vert x-y + \epsilon e \right\Vert_p,$$

где $e$ — вектор единиц, а p-норма задаётся следующим образом.

$$\Vert x \Vert _p = \left( \sum_{i=1}^n \vert x_i \vert ^ p \right) ^ {1/p}.$$

Параметры

• p (вещественное число, необязательно) – степень нормы. Может быть отрицательным. По умолчанию: 2
• eps (float, необязательно) – Малое значение для предотвращения деления на ноль. По умолчанию: 1e-6
• keepdim (bool, необязательно) – Определяет, сохранять ли размерность вектора. По умолчанию: False

Форма:

• Вход 1: $(N, D)$ или $(D)$, где N = batch dimension и D = vector dimension
• Вход 2: $(N, D)$ или $(D)$, форма такая же, как у Вход 1
• Выход: $(N)$ или $()$ в зависимости от размерности входных данных. Если keepdim является True, то $(N, 1)$ или $(1)$ в зависимости от размерности входных данных.

Примеры::

>>> pdist = nn.PairwiseDistance(p=2)
>>> input1 = torch.randn(100, 128)
>>> input2 = torch.randn(100, 128)
>>> output = pdist(input1, input2)