我试图为K近邻算法找到两个图像之间的欧几里得距离。然而，在探索一些距离函数时，我面临着这种差异。
norm1 = np.sqrt(np.sum(np.square(image1-image2))))
norm2 = np.linalg.norm(image1-image2)
这两条线似乎给出了不同的结果。在用简单的3DNumpy数组尝试同样的东西时，我似乎得到了相同的结果，但对于我的图像，答案是不同的。我不确定哪一个是正确的，所以欢迎任何帮助，提前感谢！
事实上，在您的案例中，两者给出了不同的结果，而方法在数学上是相等的。这是因为image1和image2可能属于uint8类型，并且np.square不会将结果强制转换为更大的类型。这意味着使用np.square只会因为溢出而产生错误结果。事实上，减法已经给出了错误的结果。。。您需要将输入强制转换为更大的类型，以避免溢出。这里有一个例子：
norm1 = np.sqrt(np.sum(np.square(image1.astype(np.int32)-image2.astype(np.int32))))
norm2 = np.linalg.norm(image1.astype(np.int32)-image2.astype(np.int32))
这样，您应该会得到几乎相同的结果(可能有几个ULP的差异，在这里应该可以忽略不计(。
请注意，与np.sqrt+np.sum+np.square相比，np.linalg.norm可能会明显快，因为它不应该创建临时阵列。