计算batch_size个向量的余弦相似度

当计算批量（batch_size）个向量的余弦相似度时，可以使用以下步骤：

1. 导入所需的库：

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

2. 准备数据：假设有一个形状为 (batch_size, vector_dim) 的向量矩阵 `vectors`，其中 `batch_size` 是批量大小，`vector_dim` 是每个向量的维度。

3. 计算余弦相似度：使用 `cosine_similarity` 函数计算余弦相似度。这个函数可以接受两个矩阵作为输入，并返回它们之间的余弦相似度矩阵。因此，我们可以将 `vectors` 作为输入两次，得到一个形状为 (batch_size, batch_size) 的矩阵，其中每个元素表示对应两个向量的余弦相似度。

# 计算余弦相似度
similarity_matrix = cosine_similarity(vectors, vectors)

4. 获取对角线元素：由于每个向量与自身的余弦相似度为1，因此我们可以通过获取矩阵的对角线元素来获得每个向量与其他向量的余弦相似度。

# 获取对角线元素
cosine_similarities = np.diagonal(similarity_matrix)

现在，`cosine_similarities` 是一个包含 `batch_size` 个向量的余弦相似度的数组。

请注意，上述代码假设 `vectors` 是一个 numpy 数组。如果使用其他库或数据结构，请根据需要进行相应的修改。