余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度，在计算机视觉中，余弦距离一般用于度量两个特征向量之间的相似度，其计算公式如下：

当两个特征向量的方向在特征空间中相同，其夹角为0，余弦值为1，此时两个特征向量完全相似。故，余弦距离越大，两特征向量越相似，范围在[-1,1]。

在tensorflow中如何计算两个特征向量集合之间两两点之间的余弦距离呢？

假设，两特征向量集合X1(k,n),X2(m,n),计算代码如下：

import tensorflow as tf
def get_cos_distance(X1, X2):
    # calculate cos distance between two sets
    # more similar more big
    (k,n) = X1.shape
    (m,n) = X2.shape
    # 求模
    X1_norm = tf.sqrt(tf.reduce_sum(tf.square(X1), axis=1))
    X2_norm = tf.sqrt(tf.reduce_sum(tf.square(X2), axis=1))
    # 内积
    X1_X2 = tf.matmul(X1, tf.transpose(X2))
    X1_X2_norm = tf.matmul(tf.reshape(X1_norm,[k,1]),tf.reshape(X2_norm,[1,m]))
    # 计算余弦距离
    cos = X1_X2/X1_X2_norm
    return cos