并行计算向量的欧式距离和KL距离

参考思路有: https://blog.csdn.net/lavorange/article/details/42125029

0. 说明

问题1：计算一个D维的向量A[D]到二维矩阵B[N][D]的每一行的对称KL散度，并且将每一组距离保存在一个向量dis[N]中并返回, 最后根据dis[N]选出最小值。由于N很大, 需要并行来进行实现

问题2：计算一个D维的向量A[D]到二维矩阵B[N][D]的每一行的欧氏距离，并且将每一组距离保存在一个向量dis[N]中并返回, 最后根据dis[N]选出最小值。由于N很大, 需要并行来进行实现

使用numpy的代码的定义如下:

1. 使用Numpy并行

2. 使用PyTorch并行

参考:

1. https://blog.csdn.net/Answer3664/article/details/106265132
2. https://blog.csdn.net/dongfangxiaozi_/article/details/93882664