PyTorch中torch.matmul()函数常见用法总结

目录

• 一、函数介绍
• 二、常见用法
• 2.1 两个一维向量的乘积运算
• 2.2 两个二维矩阵的乘积运算
• 2.3 一个一维向量和一个二维矩阵的乘积运算
• 2.4 一个二维矩阵和一个一维向量的乘积运算
• 2.5 其他

一、函数介绍

pytorch中两个张量的乘法可以分为两种：

• 两个张量对应元素相乘，在PyTorch中可以通过torch.mul函数（或*运算符）实现；
• 两个张量矩阵相乘，在PyTorch中可以通过torch.matmul函数实现；

torch.matmul(input, other) &r编程arr; Tensor

计算两个张量input和other的矩阵乘积

【注意】：matmul函数没有强制规定维度编程客栈和大小，可以用利用广播机制进行不同维度的相乘操作。

二、常见用法

torch.matmul()也是一种类似于矩阵相乘操作的tensor连乘操作。但是它可以利用python中的广播机制开发者_C学习，处理一些维度不同的tensor结构进行相乘操作。这也是该函数与torch.bmm()区别所在。

2.1 两个一维向量的乘积运算

若两个tensor都是一维的，则返回两个向量的点积运算结果：

import torphpch
x = torch.tensor([1,2])
y = torch.tensKtjUvFIor([3,4])
print(x,y)
print(torch.matmul(x,y),torch.matmul(x,y).size())

运行结果：

tensor([1, 2]) tensor([3, 4])

tensor(11) torch.Size([])

2.2 两个二维矩阵的乘积运算

若两个tensor都是二维的，则返回两个矩阵的矩阵相乘结果：

import torch
x = torch.tensor([[1,2],[3,4]])
y = torch.tensor([[5,6,7],[8,9,10]])
print(torch.matmul(x,y),torch.matmul(x,y).size())

运行结果：

tensor([[21, 24, 27],[47, 54, 61]]) torch.Size([2, 3])

2.3 一个一维向量和一个二维矩阵的乘积运算

若input为一维，other为二维，则先将input的一维向量扩充到二维（维数前面插入长度为1的新维度），然后进行矩阵乘积，得到结果后再将此维度去掉，得到的与input的维度相同。

import torch
x = torch.tensor([1,2])
y = torch.tensor([[5,6,7],[8,9,10]])
print(torch.matmul(x,y),torch.matmul(x,y).size())

运行结果：

tensor([21, 24, 27]) torch.Size([3])

【分析】：首先将x维度从(2)扩充为(,2)，然后将x(,2) 与y(2,3)进行相乘，得到(,3)，最后去掉一维部分，得到(3)

2.4 一个二维矩阵和一个一维向量的乘积运算

若input为二维，other为一维，则先将other的一维向量扩充到二维（维数后面插入长度为1的新维度），然后进行矩阵乘积，得到结果后再将此维度去掉，得到的与other的维度相同。

import torch
x = torch.tensor([[1,2,3],[4,5,6]])
y = torch.tensor([7,8,9])
print(torch.matmul(x,y),'\n',torch.matmul(x,y).size())

运行结果：

tensor([ 50, 122])

torch.pythonSize([2])

【分析】：首先y维度从(3)扩充为(3,)，然后将x(2,3)与x(2,)进行相乘，得到(2,)，最后去掉一维部分，得到(2)

【总结】：2.3和2.4基本类似，唯一不同的是2.3中一维向量和二维矩阵的乘积运算需要在一维向量前面插入长度为1的新维度（x为一维向量，y为二维矩阵）；2.4中二维矩阵和一维向量的乘积运算需要在一维向量后面插入长度为1的新维度（x为二维矩阵，y为一维向量）。

2.5 其他

其他的暂时用不上，有需要的可以自行查阅相关资料~

参考：https://cloud.tencent.com/developer/article/1802317

到此这篇关于PyTorch中torch.matmul()函数用法总结的文章就介绍到这了,更多相关PyTorch torch.matmul()函数用法内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！