topN相似度torch实现

目录

优化版，去重相似度

topN 欧式距离版

没有去重复，

---

优化版，去重相似度 import torch import torch.nn.functional as F torch.manual_seed(42) # 假设 10 条数据，每条数据的特征维度是 128 data = torch.randn(10, 128) # 计算所有数据对之间的余弦相似度 cosine_similarities = F.cosine_similarity(data.unsqueeze(0), data.unsqueeze(1), dim=2) # 通过设置对角线为负无穷，排除自身相似度 cosine_similarities.fill_diagonal_(-float('inf')) # 生成上三角掩码（i < j 的位置为True） mask = torch.triu(torch.ones_like(cosine_similarities, dtype=torch.bool), diagonal=1) # 过滤掉下三角和对角线，仅保留