def cosent_loss(y_true, y_pred):
    """排序交叉熵
    y_true：标签/打分，y_pred：句向量
    """
    #取出真实的标签（batch_size, )
    y_true = y_true[::2, 0]
    #标记出需要计算的 neg-pos对
    y_true = K.cast(y_true[:, None] < y_true[None, :], K.floatx())
    # 下面两行代码计算两句的cos值
    y_pred = K.l2_normalize(y_pred, axis=1)
    y_pred = K.sum(y_pred[::2] * y_pred[1::2], axis=1) * 20
    # 计算出所有两两相减的cos值
    y_pred = y_pred[:, None] - y_pred[None, :]
    # 取出所有neg-pos对的值
    y_pred = K.reshape(y_pred - (1 - y_true) * 1e12, [-1])
    # 前面加0，表示log中的1
    y_pred = K.concatenate([[0], y_pred], axis=0)
    return K.logsumexp(y_pred)