torch.cosine_similarity, 广播，一个矩阵的每行和另一个tensor计算相似度

1. torch.cosine_similarity 对应两个向量计算相似度

a = (100,128)
b = (100,128)
torch.cosine_similarity(a, b, dim=-1).shape

>>> ([100])

2. torch.cosine_similarity 对任意两个向量之间两两计算相似度

也就是希望得到一个 [N, N]的一个矩阵

方法一：循环

def get_att_dis(target, behaviored):
 
	attention_distribution = []
 
	for i in range((0)):
		attention_score = torch.cosine_similarity(target[i].view(1, -1), behaviored)  # 计算每一个元素与给定元素的余弦相似度
		attention_distribution.append(attention_score)
	return (attention_distribution)

方法二：广播

s = torch.cosine_similarity((1), (0), dim=-1)

>>> [100,100]