平方欧几里得距离（Squared Euclidean Distance） 和 L2 距离（欧几里得距离，Euclidean Distance）

平方欧几里得距离（Squared Euclidean Distance） 和 L2 距离（欧几里得距离，Euclidean Distance） 的主要区别在于它们的计算公式、梯度特性以及在深度学习中的应用。

---

1. 公式对比

对于两个向量 ( A ) 和 ( B )（维度为 ( d )）：

• ( A = (a_1, a_2, …, a_d) )
• ( B = (b_1, b_2, …, b_d) )

(1) L2 距离（欧几里得距离）

[
d_{L2}(A, B) = \sqrt{\sum_{i=1}^{d} (a_i - b_i)^2}
]

• 直接计算向量之间的欧几里得距离，具有平方根。

(2) 平方欧几里得距离（Squared Euclidean Distance）

[
d_{\text{squared}}(A, B) = \sum_{i=1}^{d} (a_i - b_i)^2
]

• 计算的是欧几里得距离的平方，没有平方根。

---

2. 数学和梯度特性

距离类型	是否有平方根	数值范围	梯度特性
L2 距离 ( \sqrt{\sum (a_i - b_i)^2} )	✅ 有平方根	更小（与差值成线性比例）	梯度在远处较小，近处较陡峭
平方欧几里得距离 ( \sum (a_i - b_i)^2 )	❌ 无平方根	较大（与差值平方成正比）	梯度变化更均匀，远处梯度更大

• L2 距离（含平方根）：

  • 远距离时，梯度较小，更新步伐变慢（因为平方根的梯度衰减）。
  • 近距离时，梯度较大，收敛快。

• 平方欧几里得距离