Python PyTorch matmul用法及代码示例

本文简要介绍python语言中 torch.matmul 的用法。

用法:

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

参数：

• input(Tensor) -第一个要相乘的张量

• other(Tensor) -要相乘的第二个张量

关键字参数：

out(Tensor,可选的) -输出张量。

两个张量的矩阵乘积。

行为取决于张量的维度，如下所示：

• 如果两个张量都是一维的，则返回点积(标量)。

• 如果两个参数都是二维的，则返回 matrix-matrix 乘积。

• 如果第一个参数是一维的，第二个参数是二维的，为了矩阵乘法的目的，在它的维数前面加上一个 1。在矩阵相乘之后，前置维度被移除。

• 如果第一个参数是二维的，第二个参数是一维的，则返回 matrix-vector 乘积。

• 如果两个参数至少为一维且至少一个参数为 N 维(其中 N > 2)，则返回批处理矩阵乘法。如果第一个参数是一维的，则将 1 添加到其维度，以便批量矩阵相乘并在之后删除。如果第二个参数是一维的，则将 1 附加到其维度以用于批量矩阵倍数并在之后删除。非矩阵(即批次)维度是广播的(因此必须是可广播的)。例如，如果input 是(j \times 1 \times n \times n) 张量并且other 是(k \times n \times n) 张量，则out 将是(j \times k \times n \times n) 张量。

  请注意，广播逻辑在确定输入是否可广播时仅查看批处理维度，而不是矩阵维度。例如，如果input 是(j \times 1 \times n \times m) 张量，而other 是(k \times m \times p) 张量，则即使最后两个维度(即矩阵维度)不同，这些输入对于广播也是有效的。 out 将是一个 (j \times k \times n \times p) 张量。

该运算符支持 TensorFloat32。

注意

此函数的一维点积版本不支持out 参数。

例子：

>>> # vector x vector
>>> tensor1 = torch.randn(3)
>>> tensor2 = torch.randn(3)
>>> torch.matmul(tensor1, tensor2).size()
torch.Size([])
>>> # matrix x vector
>>> tensor1 = torch.randn(3, 4)
>>> tensor2 = torch.randn(4)
>>> torch.matmul(tensor1, tensor2).size()
torch.Size([3])
>>> # batched matrix x broadcasted vector
>>> tensor1 = torch.randn(10, 3, 4)
>>> tensor2 = torch.randn(4)
>>> torch.matmul(tensor1, tensor2).size()
torch.Size([10, 3])
>>> # batched matrix x batched matrix
>>> tensor1 = torch.randn(10, 3, 4)
>>> tensor2 = torch.randn(10, 4, 5)
>>> torch.matmul(tensor1, tensor2).size()
torch.Size([10, 3, 5])
>>> # batched matrix x broadcasted matrix
>>> tensor1 = torch.randn(10, 3, 4)
>>> tensor2 = torch.randn(4, 5)
>>> torch.matmul(tensor1, tensor2).size()
torch.Size([10, 3, 5])