Python-addmm()和addmm_()的用法详解

目录

一、公式+函数解释

二、使用举例

mat+mat1和mat2的生成

 公式具体使用

=1 × inputs + 1 ×（inputs_t @ inputs_t）具体使用 

=N × inputs + 1 ×（inputs_t @ inputs_t）具体使用 

=N × inputs + M ×（inputs_t @ inputs_t）具体使用 

addmm_()的操作：inputs   = 1 × inputs - 2 ×（inputs @ inputs_t）

三、使用总结

---

参考

一、公式+函数解释

在torch/_C/_VariableFunctions.py的有该定义，意义就是实现一下公式，也就是mat里的每个元素乘以beta，mat1和mat2进行矩阵乘法（左行乘右列，这个@是Python 3.5之后加入的矩阵乘法运算符）后再乘以alpha，最后将这2个结果加在一起：

换句话说，就是需要传入5个参数：

• beta+mat+alpha+mat1+mat2；
• 具体计算就是=mat * beta + alpha*(mat1@mat2)，；
• 其中mat、mat1、mat2必须按照顺序传入，beta和alpha也是必须按照顺序传入，其他无所谓
• mat是位置参数，也就是在具体使用中位置可变，必须传入
• 其他为传入参数，mat1+mat2必须传入，但是当beta和alpha都是1的时候，可以不传入

源码实现

    def addmm(self, beta=1, mat, alpha=1, mat1, mat2, out=None): # real signature unknown; restored from __doc__
        """
        addmm(beta=1, mat, alpha=1, mat1, mat2, out=None) -> Tensor
        
        Performs a matrix multiplication of the matrices :attr:`mat1` and :attr:`mat2`.
        The matrix :attr:`mat` is added to the final result.
        
        If :attr:`mat1` is a :math:`(n \times m)` tensor, :attr:`mat2` is a
        :math:`(m \times p)` tensor, then :attr:`mat` must be
        :ref:`broadcastable <broadcasting-semantics>` with a :math:`(n \times p)` tensor
        and :attr:`out` will be a :math:`(n \times p)` tensor.
        
        :attr:`alpha` and :attr:`beta` are scaling factors on matrix-vector product between
        :attr:`mat1` and :attr`mat2` and the added matrix :attr:`mat` respectively.
        
        .. math::
            out = \beta\ mat + \alpha\ (mat1_i \mathbin{@} mat2_i)
        
        For inputs of type `FloatTensor` or `DoubleTensor`, arguments :attr:`beta` and
        :attr:`alpha` must be real numbers, otherwise they should be integers.
        
        Arg