我有一个包含64000个嵌入的数组A和另一个包含12000个嵌入的数组B（每个嵌入都是1024个浮点数）。
现在我想计算数组A和数组B之间所有对的余弦相似度（笛卡尔积）。
为了执行这个操作（使用Pandas），我使用.merge(how="cross")将数组A和数组B合并，得到768 000 000对。
现在我正在寻找计算余弦sim的最快方法。现在我使用了类似的东西使用Numpy：

def compute_cosine_sim(a, b):
    return dot(a, b)/(norm(a)*norm(b))

np.vectorize(compute_cosine_sim)(df.embedding_A.to_numpy(), df.embedding_B.to_numpy())

为了使RAM保持在合理的水平，我使用panda Dataframe分块。
问题是我的方法不够快，我想知道这里是否有什么需要改变的，特别是关于我使用的numpy函数的有效性。
给一些细节，我达到了130000 iter/sec的这个函数，这是正常的吗？还有，这种操作可以很容易地在GPU上运行吗？
谢谢你的帮助