文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.cdist

mindspore.ops.cdist(x1, x2, p=2.0)

计算两个Tensor每对行向量之间的p-norm距离。

说明

• Ascend上支持的输入数据类型为float16和float32。

• CPU上支持的输入数据类型为float16和float32。

• GPU上支持的输入数据类型为float32和float64。

参数：

• x1 (Tensor) - 输入Tensor，shape为 $(B,P,M)$ ， $B$ 表示0或者正整数。 $B$ 维度为0时该维度被忽略，shape为 $(P,M)$ 。

• x2 (Tensor) - 输入Tensor，shape为 $(B,R,M)$ ，与 x1 的数据类型一致。

• p (float，可选) - 计算向量对p-norm距离的P值，P >= 0。默认 2.0 。

返回：

Tensor，p-范数距离，数据类型与 x1 一致，shape为 $(B,P,R)$。

异常：

• TypeError - x1 或 x2 不是Tensor。

• TypeError - x1 或 x2 的数据类型不符合上述“说明”中的要求。

• TypeError - p 不是float32。

• ValueError - p 是负数。

• ValueError - x1 与 x2 维度不同。

• ValueError - x1 与 x2 的维度既不是2，也不是3。

• ValueError - x1 和 x2 的批次维无法广播。

• ValueError - x1 和 x2 的列数不一样。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([[[1.0, 1.0], [2.0, 2.0]]]).astype(np.float32))
>>> y = Tensor(np.array([[[3.0, 3.0], [3.0, 3.0]]]).astype(np.float32))
>>> output = ops.cdist(x, y, 2.0)
>>> print(output)
[[[2.8284273 2.8284273]
  [1.4142137 1.4142137]]]