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度的张量（即：
cosine.shape = torch.Size([128, 128])
其中第一行是第一张图片与所有文本的余弦相似度（128）等
目前我只是这样做，但结果是一个仅包含 N 个余弦相似度的一维数组。
cosine_similarity = torch.nn.CosineSimilarity()
cosine = cosine_similarity(image, text)
我该怎么做？我尝试转置文本，但没有成功
【问题讨论】：
这应该可以解决问题：
repeated_image = image.repeat_interleave(128, dim=0)
repeated_text = text.repeat(128, 1)
distances = torch.nn.functional.cosine_similarity(repeated_image, repeated_text, dim=1)
distances = distances.reshape(128, 128)
说明： 为了更快地进行计算，最好复制数据，然后使用 GPU 并行执行这些步骤，而不是在所有可能的对上进行 for 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（这是一个 512 维图像）的每个元素，这将创建一个 (128*128, 512) 张量，其前 128 个元素属于第一个图像，并且以此类推。
repeat 将整个张量沿第 0 维重复 128 次，再次创建一个 (128*128, 512) 的张量，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_similarity 函数计算所有成对距离，然后重新整形以将它们变成适当的形状。
【讨论】：