Python Pytorch余弦相似NxN元素

我有128个嵌入向量

image.shape = torch.Size([128, 512])
text.shape = torch.Size([128, 512])

我想计算包含所有元素之间余弦相似性的张量（即：

其中第一行是第一个图像和所有文本（128）之间的余弦相似性，以此类推

目前我只做这个，但结果是一个一维数组，只包含N余弦相似性

cosine_similarity = torch.nn.CosineSimilarity()

cosine = cosine_similarity(image, text)

---

我该怎么做？我试着转置文本，但没有成功

这应该可以做到：

repeated\u image=image。repeated\u交错（128，dim=0）
重复的文本=文本。重复（128，1）
距离=火炬.nn.功能性.余弦相似性（重复图像，重复文本，尺寸=1）
距离=距离。重塑形状（128128）

说明： 为了更快地进行计算，最好复制数据，然后使用GPU并行执行步骤，而不是在所有可能的对上进行循环。前两行以适当的方式复制数据：

repeat_interleave

将沿dim=0复制张量的每个元素（512维图像），这将创建一个（128*128，512）张量，其前128个元素属于第一个图像，依此类推

repeat

将沿第0维将整个张量重复128次，再次创建（128*128512）张量，其中第一个元素属于第一个文本，第二个元素属于第二个文本，依此类推（第129个元素属于第一个文本）

然后，我们使用

cosine\u相似度

函数计算所有成对距离，然后对其进行整形，使其形成适当的形状

cosine_similarity = torch.nn.CosineSimilarity()

cosine = cosine_similarity(image, text)