pytorch:torch.mm()和torch.matmul()

本文介绍了PyTorch中torch.matmul()和torch.mm()两个函数的使用,它们都可以进行矩阵相乘操作。torch.matmul()支持广播机制,可以处理不同维度的张量相乘,而torch.mm()则要求输入为二维张量,且尺寸匹配。此外,torch.matmul()还支持向量相乘,但torch.mm()不支持。通过示例代码展示了两者的应用和区别。
摘要由CSDN通过智能技术生成

torch.matmul()没有强制规定维度和大小,可以用利用广播机制进行不同维度的相乘操作

torch.mm(a, b)是矩阵a和b矩阵相乘,比如a的维度是(m, x),b的维度是(x, n),返回的就是(m, n)的矩阵

相同:都可以来做矩阵相乘:

    a = torch.randn(2, 3)
    b = torch.randn(3, 2)
    print(torch.mm(a, b))
    print(torch.matmul(a, b))

区别:

matmul支持向量相乘,mm不支持。

    import torch

    x = torch.rand(2)
    y = torch.rand(2)
    print(torch.matmul(x, y))
    print(torch.mm(x, y)) #报错

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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