def get_vector(text): inputs = tokenizer(text, return_tensors="pt") outputs = model(**inputs) return outputs.last_hidden_state[:, 0, :].detach().numpy() def vectorize_question(question: str) -> torch.Tensor: ''' 向量转换函数 :param question: :return: ''' inputs = tokenizer(question, return_tensors="pt", padding=True, truncation=True) outputs = model(**inputs) question_vector = outputs.last_hidden_state.mean(dim=1) return question_vector 上面两种向量转换有区别吗

是的，这两种向量转换有区别。

第一个函数`get_vector(text)`返回的是输入文本的最后一个隐藏状态的向量表示，即输出的是一个单一的向量。而第二个函数`vectorize_question(question)`返回的是输入文本的所有隐藏状态的平均值，即输出的是一个向量序列的平均向量。

因此，第一个函数返回的向量表示是整个文本的总体表征，而第二个函数返回的向量表示是文本序列的平均表征。这两种转换方式适用于不同的场景和任务，需要根据具体情况选择使用哪种方式。