计算两个向量间的欧氏距离_求两向量距离的CUDA实现

欧氏距离的公式是：d(x,y) = sqrt((x1-y1)^2 + (x2-y2)^2 + ... + (xn-yn)^2)

以下是使用CUDA实现的代码示例：

#include <stdio.h>
#include <stdlib.h>
#include <cuda_runtime.h>

#define N 1024

__global__ void euclideanDistance(float *x, float *y, float *result) {
    int tid = blockIdx.x * blockDim.x + threadIdx.x;
    if (tid < N) {
        float sum = 0.0f;
        for (int i = 0; i < N; i++) {
            float diff = x[i] - y[i];
            sum += diff * diff;
        }
        result[tid] = sqrt(sum);
    }
}

int main() {
    float *x, *y, *result;
    cudaMallocManaged(&x, N * sizeof(float));
    cudaMallocManaged(&y, N * sizeof(float));
    cudaMallocManaged(&result, N * sizeof(float));

    // initialize x and y with random values
    for (int i = 0; i < N; i++) {
        x[i] = static_cast<float>(rand()) / RAND_MAX;
        y[i] = static_cast<float>(rand()) / RAND_MAX;
    }

    int blockSize = 256;
    int numBlocks = (N + blockSize - 1) / blockSize;
    euclideanDistance<<<numBlocks, blockSize>>>(x, y, result);
    cudaDeviceSynchronize();

    // print the result
    for (int i = 0; i < N; i++) {
        printf("Distance between x and y[%d] = %f\n", i, result[i]);
    }

    cudaFree(x);
    cudaFree(y);
    cudaFree(result);

    return 0;
}

在这个示例中，我们使用了CUDA的并行计算能力，通过在GPU上同时计算多个距离来加速计算。首先，我们在GPU上分配了内存用于存储两个向量和计算结果。然后，我们使用随机数初始化了两个向量。接下来，我们将距离计算函数euclideanDistance定义为一个CUDA核函数，在每个线程中计算两个向量之间的距离。最后，我们在主程序中调用这个核函数，并用cudaDeviceSynchronize()等待所有线程完成计算。最后打印结果并释放内存。

请注意，由于这个示例使用了CUDA，因此需要在支持CUDA的GPU上运行。如果您的计算机不支持CUDA，或者您没有安装CUDA，那么您将无法运行这个示例。