Python PyTorch matmul用法及代碼示例

本文簡要介紹python語言中 torch.matmul 的用法。

用法:

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

參數：

• input(Tensor) -第一個要相乘的張量

• other(Tensor) -要相乘的第二個張量

關鍵字參數：

out(Tensor,可選的) -輸出張量。

兩個張量的矩陣乘積。

行為取決於張量的維度，如下所示：

• 如果兩個張量都是一維的，則返回點積(標量)。

• 如果兩個參數都是二維的，則返回 matrix-matrix 乘積。

• 如果第一個參數是一維的，第二個參數是二維的，為了矩陣乘法的目的，在它的維數前麵加上一個 1。在矩陣相乘之後，前置維度被移除。

• 如果第一個參數是二維的，第二個參數是一維的，則返回 matrix-vector 乘積。

• 如果兩個參數至少為一維且至少一個參數為 N 維(其中 N > 2)，則返回批處理矩陣乘法。如果第一個參數是一維的，則將 1 添加到其維度，以便批量矩陣相乘並在之後刪除。如果第二個參數是一維的，則將 1 附加到其維度以用於批量矩陣倍數並在之後刪除。非矩陣(即批次)維度是廣播的(因此必須是可廣播的)。例如，如果input 是(j \times 1 \times n \times n) 張量並且other 是(k \times n \times n) 張量，則out 將是(j \times k \times n \times n) 張量。

  請注意，廣播邏輯在確定輸入是否可廣播時僅查看批處理維度，而不是矩陣維度。例如，如果input 是(j \times 1 \times n \times m) 張量，而other 是(k \times m \times p) 張量，則即使最後兩個維度(即矩陣維度)不同，這些輸入對於廣播也是有效的。 out 將是一個 (j \times k \times n \times p) 張量。

該運算符支持 TensorFloat32。

注意

此函數的一維點積版本不支持out 參數。

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])