pytorch矩阵乘法总结

您所在的位置：网站首页 › python求矩阵乘法 › pytorch矩阵乘法总结

pytorch矩阵乘法总结

2023-05-20 00:34| 来源: 网络整理| 查看: 265

1. element-wise（*）按元素相乘，支持广播，等价于torch.mul() a = torch.tensor([[1, 2], [3, 4]]) b = torch.tensor([[2, 3], [4, 5]]) c = a*b # 等价于torch.mul(a,b) # tensor([[ 2, 6], # [12, 20]]) a * torch.tensor([1, 2]) # 广播,等价于torch.mul(a, torch.tensor([1, 2])) # tensor([[1, 4], # [3, 8]]) a * torch.tensor([2]) # 乘以单个元素，依然是广播,等价于torch.mul(a, torch.tensor([2])) # tensor([[1, 4], # [3, 8]]) 2. torch.mm(), 实现矩阵叉乘，即第一个矩阵的列数等于第二个矩阵的行数，不支持广播。 a = torch.arange(9).reshape(3, 3) b = torch.arange(12).reshape(3, 4) torch.mm(a, b) #tensor([[ 20, 23, 26, 29], # [ 56, 68, 80, 92], # [ 92, 113, 134, 155]]) 3. torch.bmm(),三维矩阵乘法，第一个维度是batch_size的大小。两个矩阵的batch_size大小要相等。 a = torch.arange(9).reshape(1,3, 3) b = torch.arange(12).reshape(1,3, 4) torch.bmm(a, b) # tensor([[[ 20, 23, 26, 29], # [ 56, 68, 80, 92], # [ 92, 113, 134, 155]]]) 4. torch.matmul(), 混合矩阵乘法 4.1 都是一维，进行点积运算

在这里插入图片描述

4.2 都是二维，返回矩阵叉乘

在这里插入图片描述

4.3 向量乘以矩阵

在这里插入图片描述

4.4 矩阵乘以向量

在这里插入图片描述

4.5 一维向量乘以多维矩阵 # 如果两个参数都是至少1个维度，并且至少一个参数是3维，那么返回一个batched矩阵乘法。 # 一维向量乘以多维矩阵 c = torch.arange(6).reshape(1,2, 3) d = torch.tensor([2, 1]) e = torch.matmul(d, c) # d前置增加一个维度，然后在batch_size维度进行广播 e # tensor([[3, 6, 9]]) 4.6 多维矩阵乘以一维向量 e = torch.arange(2).reshape(1, 1, 2) # 多维维矩阵乘以向量，向量在后面增加一个维度，然后在batch_size维度进行广播 f = torch.tensor([2, 4]) # 变成[[2], [4]] g = torch.matmul(e, f) g # tensor([[4]]) 4.7 最后两个维度没有一维向量

最后两个维度进行矩阵叉乘，前面的维度进行广播进行计算。感兴趣的可以看看文档：https://pytorch.org/docs/stable/generated/torch.matmul.html#torch.matmul 在这里插入图片描述

5 torch.einsum()

参考该链接：https://zhuanlan.zhihu.com/p/434232512

6 Reference:

[1] https://huaweicloud.csdn.net/63807229dacf622b8df8865b.html [2] https://pytorch.org/docs/stable/generated/torch.matmul.html#torch.matmul

【本文地址】

pytorch矩阵乘法总结

pytorch矩阵乘法总结

今日新闻

推荐新闻