给我计算两个相同形状的高维张量的余弦相似度的pyrorch代码

在PyTorch中，我们可以使用余弦相似度来比较两个相同形状的高维张量。余弦相似度是一种衡量两个向量之间相似性的度量方法，常用于比较高维数据。以下是一个简单的PyTorch代码示例，用于计算两个相同形状的高维张量的余弦相似度：

import torch
import torch.nn.functional as F

def cosine_similarity(tensor1, tensor2):
    # 确保输入是张量
    assert tensor1.ndimension() == tensor2.ndimension(), "输入必须是相同形状的张量"

    # 使用F.cosine_similarity函数计算余弦相似度
    cos_sim = F.cosine_similarity(tensor1, tensor2)

    return cos_sim

# 示例
tensor1 = torch.randn(3, 5, 6)  # 示例张量1，形状为(3, 5, 6)
tensor2 = torch.randn(3, 5, 6)  # 示例张量2，形状为(3, 5, 6)

print("余弦相似度:", cosine_similarity(tensor1, tensor2))

注意，`F.cosine_similarity`函数用于计算余弦相似度，而输入张量的形状必须是相同的。另外，上述代码仅适用于任意维度的张量。对于高维张量（如神经网络的输出或其他复杂的数据结构），它应该工作得很好。但是，如果你的数据具有特定的结构或特定的形状要求，你可能需要调整代码以适应你的特定情况。