pytorch矩阵相乘与点乘

最新推荐文章于 2024-09-30 16:48:12 发布
最新推荐文章于 2024-09-30 16:48:12 发布
阅读量2k 收藏
点赞数
分类专栏： pytorch 文章标签： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/flying_all/article/details/116081469
版权
本文详细介绍了PyTorch中矩阵相乘和点乘的区别，包括torch.mul()和torch.mm()函数的使用。torch.mul()用于矩阵点乘，其规则灵活，可以进行不同形状的矩阵运算，而torch.mm()则专门用于标准的矩阵乘法。此外，还提到了nn.Linear在神经网络中的线性变换作用。同时，文章提及了avg_pool2d函数在降采样和求平均值方面的应用。
摘要由CSDN通过智能技术生成

1pytorch矩阵相乘与点乘

torch.mul(a, b) 矩阵点乘
矩阵点乘要求两个矩阵维度符合一定要求
a的形状是(x,y)

  • b的形状是(x,y)，那么得到(x,y)形状的矩阵
  • b的形状是(x,1)，那么得到(x,y)形状的矩阵，从2到y列的值与第一列的值相
  • y=1，b的形状是(1,x)，那么得到(x,x)形状的矩阵
  • 点乘，再求和就是卷积

torch.mm(a,b) 矩阵相乘

  • a的形状是(x,y)，b的形状是(y,z)，得到(x,z)形状的矩阵
  • 只能计算二维矩阵的相乘。

nn.Linear 线性变化

  • y=ax+b 包含矩阵乘的操作

2 F.avg_pool2d

参考文章
对输入的二维矩阵做均值汇聚，达到降采样的目的。当然也可以用来求均值，如果参数合适。
pooled = F.avg_pool2d(embedded, (embedded.shape[1], 1)).squeeze(1)

约定写代码
关注
专栏目录
pytorch之torch中的几种乘法 #点乘torch.mm() #矩阵乘torch.mul()，torch.matmul() #高维Tensor相乘维度要求
夏普通
06-21 4万+
文章目录1. 点乘——`torch.mul(a, b)`2. 矩阵乘2.1. 二维矩阵乘——`torch.mm(a, b)`2.2. 高维矩阵乘——`torch.matmul(a, b)`3. 高维的Tensor相乘维度要求3.1. 对于维数相同的张量3.2. 对于维数不一样的张量 1. 点乘——torch.mul(a, b) 点乘都是broadcast的，可以用torch.mul(a, b)实现，也可以直接用*实现。 当a, b维度不一致时，会自动填充到相同维度相点乘。 import torch a =
Pytorch——对应点相乘+矩阵相乘
weixin_40680322的博客
09-05 1483
一.对应点相乘 Hadamard product：对应点相乘，不求和； 卷积：对应点相乘，再求和。 import torch a = torch.Tensor([[1,2], [3,4], [5,6]]) b1 = a.mul(a) 得到b1为 tensor( [[1.,4.], [9.,16.], [25.,36.]] ) 二.矩阵相乘 要求：前列=后行； b2 = a.mm(a.t()) 得到b2为 tensor([[ 5., 11., 17.], [11., 25.,
一个关于pytorch的tensor点乘的小问题
Zjhao666的博客
07-30 4464
事情的缘由是，坐旁边的学姐有一段代码将两个二维数组相乘。特别的是，既不是点乘，也不是矩阵乘法，而是将各自每一行分别相乘再拼接得到一个三维数组，具体代码大致如下 import torch a = torch.Tensor(range(6)).reshape(2, 3) b = torch.Tensor(range(1, 7)).reshape(2, 3) batch = len(a) lengt...
【py】python实现矩阵的加、减、点乘、乘法
最新发布
2401_87245171的博客
09-30 1319
• np.random.uniform(0, 1, (3, 4)) 创建一个3x4的二维数组，数据值服从均匀分布。• np.random.rand(3, 4) 创建一个3x4的二维数组，数据值从0到1之间。• np.random.randn(10) 创建一个包含10个服从正态分布的随机数的数组。# (4) 对创建的test1和test2两个数组进行四则运算，加、减、点乘、矩阵乘法运算。# (2) 创建12个服从均匀分布的随机数，尺寸为3x4的二维数组test2。
pytorch中的矩阵乘和点乘
Alocus的博客
05-27 1548
下面是pytorch中的矩阵乘，三种方式结果相同 y1 = tensor @ tensor.T y2 = tensor.matmul(tensor.T) y3 = torch.rand_like(tensor) torch.matmul(tensor, tensor.T, out=y3) 下面是pytorch中的点乘，三种方式结果相同 z1 = tensor * tensor z2 = tensor.mul(tensor) z3 = torch.rand_like(tensor) tor
pytorch----矩阵乘法
weiwei935707936的博客
12-29 8053
torch中的矩阵乘法: 一.矩阵乘 二.矩阵乘 三.对应元素相乘 torch.mul: 和普通标量也是对应元素相乘: #输入张量和标量相乘 torch.mul(input, value, out=None) 例： >>> a = torch.randn(3) >>> a -0.9374 -0.5254 -0.6069 [torch.FloatTensor of size 3] >>> tor...
【详解】神经网络矩阵的点乘与叉乘（pytorch版）
qq_44722174的博客
03-14 1万+
官方文档 一、点乘 点乘就是对应位置元素相乘（element-wise），可以通过*和torch.mul()函数实现，在神经网络模型中的符号为： 1.1 标量的点乘 示例： a = torch.randint(10,(3,3)) print(a) print(a*2) print(a.mul(a)) 输出： tensor([[9, 3, 1], [3, 7, 3], [4, 8, 3]]) tensor([[18, 6, 2], [ 6, 14, 6],
PyTorch 对应点相乘、矩阵相乘实例
09-18
今天小编就为大家分享一篇PyTorch 对应点相乘、矩阵相乘实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
PyTorch 对应点相乘、矩阵相乘
热门推荐
一千零一夜的博客
09-07 11万+
一，对应点相乘，x.mul(y) ，即点乘操作，点乘不求和操作，又可以叫作Hadamard product；点乘再求和，即为卷积 data = [[1,2], [3,4], [5, 6]] tensor = torch.FloatTensor(data) tensor Out[27]: tensor([[ 1., 2.], [ 3., 4.], [ 5....
Pytorch矩阵乘法总结
weixin_42065178的博客
08-08 1万+
pytorch一共有5种乘法 *乘，element-wise乘法，支持broadcast操作 torch.mul()，和*乘完全一样 torch.mm()，矩阵叉乘，即对应元素相乘相加，不支持broadcast操作 torch.bmm()，三维矩阵乘法，一般用于mini-batch训练中 torch.matmul()，叉乘，支持broadcast操作 先定义下面的tensor（本文不展示print结果）： import torch tensorA_2x3 = torch.tensor( [[1
Pytorch——对应点相乘和矩阵相乘
生如蚁，美如神
06-10 707
1. 点乘，对应元素相乘，不求和 import torch a = torch.Tensor([[1,2], [3,4], [5,6]]) b1 = a.mul(a) // b2=a*a
pytorch中的矩阵乘法
chumingqian的博客
11-05 1681
关于表示常规的数学上定义的矩阵相乘；表示两个矩阵对应位置处的两个元素相乘。
pytorch笔记：pytorch的乘法
qq_40206371的博客
06-04 2816
1 点乘 tensor与标量点乘的结果是每个元素乘以这个标量的值
pytorch的点积、矩阵乘法、逐元素乘法
qq_44815135的博客
05-20 1574
在 PyTorch 中，可以使用 torch.mul()、torch.multiply() 或直接使用 * 运算符来执行张量的逐元素相乘操作。
pytorch矩阵乘法总结
Hello，Sunpro!
12-13 6331
文章目录点乘 `torch.mul(a,b)`二维矩阵乘 `torch.mm(a,b)`三维矩阵乘 `torch.bmm(`a,b)高维矩阵乘 `torch.matmul(a,b)` 点乘 torch.mul(a,b) 点乘是对应位置元素相乘 点乘都是broadcast的，可以用torch.mul(a, b)实现，也可以直接用*实现。 python中的广播机制(broadcasting) broadcasting可以这样理解：如果你有一个(m,n)的矩阵，让它加减乘除一个(1,n)的矩阵，它会被复制m次，
【无标题】python和Pytorch中的矩阵乘法运算总结
tanhongweibest的博客
12-14 1404
python 和Pytorch的矩阵乘法运算总结
pytorch点乘与叉乘示例讲解
09-18
在PyTorch中，点乘（dot product）和叉乘（matrix multiplication）是两种常见的向量或矩阵操作，它们在神经网络的计算中扮演着重要角色。本文将深入讲解这两种运算，并通过示例来帮助理解。 ### 点乘（Dot Product...
pytorch的各种乘法操作，点乘和矩阵乘
znsoft的专栏
01-20 7569
点乘 相应点相乘，x.mul(y) ，即点乘操作，点乘不求和操作，又可以叫作Hadamard product import torch x = torch.tensor([[3,3],[3,3]]) y = x*x #x.dot(x) z = torch.mul(x,x) #x.mul(x) print(y) print(z) 显示结果： tensor([[9, 9], [9, ...
【pytorch】点乘、矩阵乘法
这个人很蓝
10-29 1558
点乘即两个相同大小的矩阵对应位置相乘，使用torch.mul(a, b)，a和b的大小需要相等 矩阵乘法需要满足矩阵乘法的原则，使用torch.matmul(a, b)，a和b需要满足矩阵乘法的规则(a∈Rm×n,b∈Rn×ka\in R^{m\times n}, b\in R^{n\times k}a∈Rm×n,b∈Rn×k) ...
pytorch点乘与叉乘
youcanyouup
03-23 1万+
点乘 import torch x = torch.tensor([[3,3],[3,3]]) y = x*x #x.dot(x) z = torch.mul(x,x) #x.mul(x) print(y) print(z) 叉乘 import torch x = torch.tensor([[3,3],[3,3]]) y = torch.mm(x,x) #x.mm(x) print(y...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值