在CLIP裡，以矩陣運算來計算出相似度，並以矩陣來呈現，如下圖：

我們拿CLIP源代碼來實際進行訓練，在其過程中逐漸地修正CLIP模型裡的參數(即weight和bias值)，也就是逐漸地調整潛藏空間裡各點的位置(座標)，並以陣列運算來計算出各圖像與各文本之間的相似度。在本範例裡，我們把CLIP程式碼包裝於Excel後面，如下圖：

 首先按下<訓練1回合>，就輸出各圖像與各文本之間的相似度，如下圖：
 
![https://ithelp.ithome.com.tw/upload/images/20230918/20163333ZDz1soZ1kY.png](https://ithelp.ithome.com.tw/upload/images/20230918/20163333ZDz1soZ1kY.png) 
 
  從上圖的相似度矩陣裡的值，還看不出來明顯的相似度差異。於是來加碼進行100回合訓練，完成之後，再以陣列呈現最新的相似度。如下圖：

上圖的相似度矩陣裡的值，仍然看不出來明顯的相似度差異。於是加碼進行300回合的訓練，完成之後，再以陣列呈現最新的相似度。如下圖：


![https://ithelp.ithome.com.tw/upload/images/20230918/20163333ZAXIT3OgDn.png](https://ithelp.ithome.com.tw/upload/images/20230918/20163333ZAXIT3OgDn.png)


  這時從相似度矩陣已經可以看出來，明顯的相似度差異。例如，<圖像-3>與<提詞-3>相似度提高了。接著，再加碼進行500回合的訓練，完成之後，再以陣列呈現最新的相似度。如下圖：

這時從相似度矩陣可以更明顯地看出來其相似度的差異。例如，<圖像-2>與<提詞-2>相似度提高了。