举例2个模型相似度代码

以下是两个PyTorch模型的相似度计算示例代码：

import torch
import torch.nn as nn
import torch.nn.functional as F

# 定义两个模型
class ModelA(nn.Module):
    def __init__(self):
        super(ModelA, self).__init__()
        self.fc = nn.Linear(10, 5)
    
    def forward(self, x):
        x = self.fc(x)
        return x

class ModelB(nn.Module):
    def __init__(self):
        super(ModelB, self).__init__()
        self.fc = nn.Linear(10, 5)
    
    def forward(self, x):
        x = self.fc(x)
        return x

# 初始化两个模型
modelA = ModelA()
modelB = ModelB()

# 计算两个模型的相似度
def calc_similarity(model1, model2):
    # 将模型权重展开为向量
    vec1 = torch.cat([p.view(-1) for p in model1.parameters()])
    vec2 = torch.cat([p.view(-1) for p in model2.parameters()])
    
    # 计算两个向量的余弦相似度
    sim = F.cosine_similarity(vec1, vec2, dim=0)
    return sim.item()

similarity = calc_similarity(modelA, modelB)
print("The similarity between ModelA and ModelB is:", similarity)

在上面的代码中，我们定义了两个PyTorch模型`ModelA`和`ModelB`，并初始化了它们。然后，我们定义了一个函数`calc_similarity`来计算两个模型的相似度。在这个函数中，我们首先将模型权重展开为向量，然后使用PyTorch内置函数`F.cosine_similarity`来计算两个向量的余弦相似度。最后，我们输出了两个模型的相似度。