Python PyTorch addbmm用法及代码示例

本文简要介绍python语言中 torch.addbmm 的用法。

用法:

torch.addbmm(input, batch1, batch2, *, beta=1, alpha=1, out=None) → Tensor

参数：

• batch1(Tensor) -第一批要相乘的矩阵

• batch2(Tensor) -第二批要相乘的矩阵

关键字参数：

• beta(数字,可选的) -input (\beta) 的乘数

• input(Tensor) -要添加的矩阵

• alpha(数字,可选的) -batch1 @ batch2 (\alpha) 的乘数

• out(Tensor,可选的) -输出张量。

执行存储在 batch1 和 batch2 中的矩阵的批量 matrix-matrix 乘积，并减少加法步骤(所有矩阵乘法沿第一维累积)。 input 添加到最终结果中。

batch1 和 batch2 必须是 3-D 张量，每个张量都包含相同数量的矩阵。

如果batch1是(b \times n \times m)张量，batch2是(b \times m \times p)张量，input必须是可广播的(n \times p)张量和out将是(n \times p)张量。

out = \beta\ \text{input} + \alpha\ (\sum_{i=0}^{b-1} \text{batch1}_i \mathbin{@} \text{batch2}_i)

如果beta为0，则input将被忽略，其中的nan和inf不会被传播。

对于 FloatTensor 或 DoubleTensor 类型的输入，参数 beta 和 alpha 必须是实数，否则它们应该是整数。

该运算符支持 TensorFloat32。

例子：

>>> M = torch.randn(3, 5)
>>> batch1 = torch.randn(10, 3, 4)
>>> batch2 = torch.randn(10, 4, 5)
>>> torch.addbmm(M, batch1, batch2)
tensor([[  6.6311,   0.0503,   6.9768, -12.0362,  -2.1653],
        [ -4.8185,  -1.4255,  -6.6760,   8.9453,   2.5743],
        [ -3.8202,   4.3691,   1.0943,  -1.1109,   5.4730]])