如何计算张量流自动编码器生成的批次的每个示例的潜在表示之间的余弦距离？

如何解决如何计算张量流自动编码器生成的批次的每个示例的潜在表示之间的余弦距离？

我想在keras / tensorflow中添加一个自定义损失项，它是由自动编码器生成的当前批处理的所有深度编码/潜在表示之间的平均余弦距离。因此，我在编码末尾添加了一个额外的输出，即潜在的表示形式。然后，我要应用计算批次的每个示例与另一个示例之间的余弦距离。如果我的批处理大小为32，则需要将其计算为32 * 32。

我从以下自定义损失函数开始：

def my_loss_fn2_1(y_true,y_pred):
     cosine_loss = tf.keras.losses.Cosinesimilarity(axis=1)
     loss = cosine_loss(y_pred,y_pred)
return loss

其中y_pred是深度为[?,10000]的深度嵌入，其中？是批次尺寸，是因为？我无法复制该批次的示例（32），因此我可以计算该批次之间的距离。此额外的损失项应作为调节器。因此，主要问题是计算彼此之间的距离。我怎样才能做到这一点？使用tf.repeat,tf.tile,tf.gather ...时，在编译模型时遇到问题，因为批处理维度为none /？因此，我无法重复这些示例。还有其他方法或解决方案可以做到这一点吗？

谢谢！