Python PyTorch addmm用法及代码示例

本文简要介绍python语言中 torch.addmm 的用法。

用法:

torch.addmm(input, mat1, mat2, *, beta=1, alpha=1, out=None) → Tensor

参数：

• input(Tensor) -要添加的矩阵

• mat1(Tensor) -要矩阵相乘的第一个矩阵

• mat2(Tensor) -要矩阵相乘的第二个矩阵

关键字参数：

• beta(数字,可选的) -input (\beta) 的乘数

• alpha(数字,可选的) -mat1 @ mat2 (\alpha) 的乘数

• out(Tensor,可选的) -输出张量。

执行矩阵 mat1 和 mat2 的矩阵乘法。矩阵input 被添加到最终结果中。

如果mat1是(n \times m)张量，mat2是(m \times p)张量，那么input必须是可广播的(n \times p)张量并且out将是(n \times p)张量。

alpha 和 beta 分别是 mat1 和 mat2 和添加的矩阵 input 之间的 matrix-vector 产品的比例因子。

\text{out} = \beta\ \text{input} + \alpha\ (\text{mat1}_i \mathbin{@} \text{mat2}_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(2, 3)
>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.addmm(M, mat1, mat2)
tensor([[-4.8716,  1.4671, -1.3746],
        [ 0.7573, -3.9555, -2.8681]])