Python PyTorch addbmm用法及代碼示例

本文簡要介紹python語言中 torch.addbmm 的用法。

用法:

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

參數：

• batch1(Tensor) -第一批要相乘的矩陣

• batch2(Tensor) -第二批要相乘的矩陣

關鍵字參數：

• beta(數字,可選的) -input (\beta) 的乘數

• input(Tensor) -要添加的矩陣

• alpha(數字,可選的) -batch1 @ batch2 (\alpha) 的乘數

• out(Tensor,可選的) -輸出張量。

執行存儲在 batch1 和 batch2 中的矩陣的批量 matrix-matrix 乘積，並減少加法步驟(所有矩陣乘法沿第一維累積)。 input 添加到最終結果中。

batch1 和 batch2 必須是 3-D 張量，每個張量都包含相同數量的矩陣。

如果batch1是(b \times n \times m)張量，batch2是(b \times m \times p)張量，input必須是可廣播的(n \times p)張量和out將是(n \times p)張量。

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

如果beta為0，則input將被忽略，其中的nan和inf不會被傳播。

對於 FloatTensor 或 DoubleTensor 類型的輸入，參數 beta 和 alpha 必須是實數，否則它們應該是整數。

該運算符支持 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]])