五分钟快速上手¶

本页使用两个小型 diagram 演示全部公开操作。

定义 diagrams¶

每一行都是 [birth, death]：

import numpy as np
import topp

x = np.array([[0.0, 1.0], [0.25, 0.75]])
y = np.array([[0.0, 1.1], [0.30, 0.80]])

成对距离¶

bottleneck = topp.bottleneck_distance(x, y)
w1 = topp.wasserstein_distance(x, y)
w2 = topp.wasserstein_distance(x, y, order=2, internal_p=2)

print(bottleneck, w1, w2)

wasserstein_distance 默认计算精确的 \(W_{1,\infty}\)。传入 order=2, internal_p=2 可选择精确的 \(W_{2,2}\)。

预处理重复使用的查询¶

query = topp.prepare_diagram(x)

print(query.n_points)
print(query.n_finite_points)
print(topp.bottleneck_distance(query, y))

PreparedDiagram 持有经过验证的输入副本。之后修改 x 不会改变 query。

一个查询，多个目标¶

targets = [y, [[0.0, 2.0]], np.empty((0, 2))]

bottleneck_batch = topp.bottleneck_distances(query, targets)
wasserstein_batch = topp.wasserstein_distances(
    query, targets, order=2, internal_p=2
)

两个结果都是一维 float64 数组，每个目标对应一个元素。

复用输出内存¶

out = np.empty(len(targets), dtype=np.float64)
returned = topp.bottleneck_distances(query, targets, out=out)

assert returned is out

精确阈值判断¶

if topp.bottleneck_within(query, y, 0.1):
    print("距离不大于 0.1")

该调用直接判断 \(d_B(X,Y) \leq 0.1\)，不会先计算近似距离再比较。