Python PyTorch kron用法及代码示例

本文简要介绍python语言中 torch.kron 的用法。

用法:

torch.kron(input, other, *, out=None) → Tensor

参数：

• input(Tensor) -

• other(Tensor) -

关键字参数：

out(Tensor,可选的) -输出张量。如果 None 则忽略。默认值：None

计算 input 和 other 的克罗内克积，用 \otimes 表示。

如果 input 是 (a_0 \times a_1 \times \dots \times a_n) 张量且 other 是 (b_0 \times b_1 \times \dots \times b_n) 张量，则结果将是具有以下条目的 (a_0*b_0 \times a_1*b_1 \times \dots \times a_n*b_n) 张量：

(\text{input} \otimes \text{other})_{k_0, k_1, \dots, k_n} = \text{input}_{i_0, i_1, \dots, i_n} * \text{other}_{j_0, j_1, \dots, j_n},

其中 k_t = i_t * b_t + j_t 为 0 \leq t \leq n 。如果一个张量的维数比另一个少，则它不会被压缩，直到它具有相同的维数。

支持实值和complex-valued 输入。

注意

如上所述，此函数将两个矩阵的 Kronecker 积的典型定义推广到两个张量。当input 是(m \times n) 矩阵并且other 是(p \times q) 矩阵时，结果将是(p*m \times q*n) 块矩阵：

\mathbf{A} \otimes \mathbf{B}=\begin{bmatrix} a_{11} \mathbf{B} & \cdots & a_{1 n} \mathbf{B} \\ \vdots & \ddots & \vdots \\ a_{m 1} \mathbf{B} & \cdots & a_{m n} \mathbf{B} \end{bmatrix}

其中 input 是 \mathbf{A} 和 other 是 \mathbf{B} 。

例子：

>>> mat1 = torch.eye(2)
>>> mat2 = torch.ones(2, 2)
>>> torch.kron(mat1, mat2)
tensor([[1., 1., 0., 0.],
        [1., 1., 0., 0.],
        [0., 0., 1., 1.],
        [0., 0., 1., 1.]])

>>> mat1 = torch.eye(2)
>>> mat2 = torch.arange(1, 5).reshape(2, 2)
>>> torch.kron(mat1, mat2)
tensor([[1., 2., 0., 0.],
        [3., 4., 0., 0.],
        [0., 0., 1., 2.],
        [0., 0., 3., 4.]])