距离计算 (cupyx.scipy.spatial.distance)#

注意

距离计算 (distance) 模块使用 cuVS 库作为后端。您需要从 rapidsai Conda 频道安装 cuVS 包 <https://anaconda.org/rapidsai/cuvs> 才能使用此页面上列出的功能。

注意

目前，距离计算 (distance) 模块不支持 AMD ROCm 平台。

提示

SciPy API 参考: 空间距离例程 (scipy.spatial.distance)

距离矩阵计算#

从存储在矩形数组中的一组原始观测向量计算距离矩阵。

pdist(X[, metric, out])

计算 n 维空间中观测值之间的距离。

cdist(XA, XB[, metric, out])

计算两组输入之间每对的距离。

distance_matrix(x, y[, p])

计算距离矩阵。

距离函数#

两个数值向量 u 和 v 之间的距离函数。对于大量向量的距离计算，使用这些函数效率不高。为此目的请使用 cdist。

minkowski(u, v, p)

计算两个一维数组之间的 Minkowski 距离。

canberra(u, v)

计算两个一维数组之间的 Canberra 距离。

chebyshev(u, v)

计算两个一维数组之间的 Chebyshev 距离。

cityblock(u, v)

计算两个一维数组之间的 City Block (Manhattan) 距离。

correlation(u, v)

计算两个一维数组之间的 Correlation 距离。

cosine(u, v)

计算两个一维数组之间的 Cosine 距离。

hamming(u, v)

计算两个一维数组之间的 Hamming 距离。

euclidean(u, v)

计算两个一维数组之间的 Euclidean 距离。

jensenshannon(u, v)

计算两个一维数组之间的 Jensen-Shannon 距离。

russellrao(u, v)

计算两个一维数组之间的 Russell-Rao 距离。

sqeuclidean(u, v)

计算两个一维数组之间的平方 Euclidean 距离。

hellinger(u, v)

计算两个一维数组之间的 Hellinger 距离。

kl_divergence(u, v)

计算两个一维数组之间的 Kullback-Leibler 散度。