Python PyTorch baddbmm用法及代碼示例

本文簡要介紹python語言中 torch.baddbmm 的用法。

用法:

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

參數：

• input(Tensor) -要添加的張量

• 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

• alpha(數字,可選的) -\text{batch1} \mathbin{@} \text{batch2} (\alpha) 的乘數

• out(Tensor,可選的) -輸出張量。

對 batch1 和 batch2 中的矩陣執行批次 matrix-matrix 乘積。 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，那麽input必須是可廣播的(b \times n \times p)張量並且out將是(b \times n \times p)張量。 alpha 和 beta 的含義與 torch.addbmm() 中使用的比例因子相同。

\text{out}_i = \beta\ \text{input}_i + \alpha\ (\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(10, 3, 5)
>>> batch1 = torch.randn(10, 3, 4)
>>> batch2 = torch.randn(10, 4, 5)
>>> torch.baddbmm(M, batch1, batch2).size()
torch.Size([10, 3, 5])