mindspore.ops.cdist

mindspore.ops.cdist(x1, x2, p=2.0)[源代码]

计算两个Tensor每对列向量之间的p-norm距离。

说明

Ascend上支持的输入数据类型为[float16, float32]，CPU上支持的输入数据类型为[float16, float32]，GPU上支持的输入数据类型为[float32, 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，∞]。默认值：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 - 单批次训练下 x1 和 x2 的shape不一样。

  • ValueError - x1 和 x2 的列数不一样。

支持平台：

Ascend GPU CPU

样例：

>>> 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]]]