两个128维特征的余弦相似度计算 python

在Python中，你可以使用scikit-learn库中的`cosine_similarity`函数来计算两个128维特征向量的余弦相似度。首先需要安装scikit-learn，然后按照以下步骤操作：

from sklearn.metrics.pairwise import cosine_similarity

# 假设你有两个numpy数组，例如 vector1 和 vector2
vector1 = np.array([...]) # 128维numpy数组
vector2 = np.array([...])

# 计算余弦相似度
similarity_matrix = cosine_similarity(vector1.reshape(1,-1), vector2.reshape(1,-1))

# 相似度是一个单元素列表，取第一个元素就是两向量间的相似度
cos_sim = similarity_matrix[0][0]

print("Cosine Similarity:", cos_sim)

这里，`reshape(1,-1)`是为了将一维数组转换成二维行向量，因为`cosine_similarity`函数期望输入是一系列向量。

如果你有很多对向量需要计算，可以循环遍历并累加到结果矩阵：

import numpy as np
similarities = []
for i in range(len(vector_list)):
    similarities.append(cosine_similarity(vector_list[i].reshape(1,-1), vector2.reshape(1,-1))[0][0])

# 或者使用 broadcasting
cos_similarities = cosine_similarity(np.stack(vector_list), vector2.reshape(1,-1))

记得先导入必要的库，`numpy`用于处理向量，`sklearn.metrics.pairwise`用于计算余弦相似度。