向量的距离单位（深度学习，机器学习）

受我导师启发，他给推荐了个很好用的工具网站，从这个网站上找到了多种距离单位。
https://pythonot.github.io/all.html
主要看ot.dist()这个方法，该方法里面有个参数是“metric”，这个参数就是计算不同种类的距离，参数和torch.cdist()一样，传的就是MD 和 ND的矩阵，最后得到两个矩阵中行向量两两之间的距离，具体的文档如下：

可以看到，metric里面有一堆距离选项，我直接当场就想把电脑显示器吃掉，不讲武德，拿这么多距离来欺负年轻人，希望耗子尾汁，这个不设距离的话，就是默认的欧几里得距离，也就是两点之间的直线距离。挨着来吧：

braycurtis

使用场景：比较两个群落微生物的组成差异。是生态学中用来衡量不同样地物种组成差异的测度。其计算基于样本中不同物种组成的数量特征（多度，盖度，重要值等）。
结果意义：D值越小越好，表示向量组成差异小
参考链接：https://blog.csdn.net/zhihaoyi/article/details/90480003