相似度矩阵遍历 python

相似度矩阵结果遍历

向量：

tensor([[0.4284, 0.7538, 0.4982],
        [0.8600, 0.0694, 0.5055]], dtype=torch.float64)

相似度矩阵：

因为是笛卡尔积，结果有一半多是重复的：

tensor([[1.0000, 0.6726],
        [0.6726, 1.0000]], dtype=torch.float64)
0 1 tensor(0.6726, dtype=torch.float64)

相似度归一化之后，元素平方和为1，相似度矩阵遍历方法代码：

import cv2
import numpy as np
import torch


def l2_norm(input,axis=1):
    norm = torch.norm(input,2,axis,True)
    output = torch.div(input, norm)
    return output

res=[]

score_level=0.99
for i in range(2):

    data=np.random.rand(3)
    data=torch.from_numpy(data)
    feat = l2_norm(data.unsqueeze(0))
    res.append(feat)

norm_life=torch.cat(res,0)

print(norm_life)

inner_mat=torch.matmul(norm_life,norm_life.T)

print(inner_mat)

data_l=inner_mat.size(0)
for i in range(data_l):

    for j in rang