torch.mm

最新推荐文章于 2024-08-24 14:05:33 发布
最新推荐文章于 2024-08-24 14:05:33 发布
阅读量563 收藏
点赞数
文章标签： pytorch 深度学习 人工智能
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/qq_39879126/article/details/134283888
版权 
torch.mm(input, mat2, *, out=None) → Tensor

执行矩阵input和mat2的矩阵乘法运算。

如果input是（n×m）张量，mat2是（m×p）张量，out将是（n x p）张量。

input（张量）–第一个要矩阵相乘的矩阵

mat2（张量）–第二个要矩阵相乘的矩阵

out（张量，可选）–输出张量。

>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.mm(mat1, mat2)
tensor([[ 0.4851,  0.5037, -0.3633],
        [-0.0760, -3.6705,  2.4784]])
可以养肥
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
关于pytorch中部分矩阵乘法的总结（torch.mm,torch.mul,torch.matmul）
12-21
在PyTorch中，处理矩阵乘法有三种主要的方法：`torch.mul`, `torch.mm`, 和 `torch.matmul`。每种方法都有其特定的用法和适用场景。 1. **torch.mul**: 这个函数执行元素级乘法，也就是说，它会将输入张量`input`的...
详解torch.Tensor的4种乘法
09-16
本文将详细介绍`torch.Tensor`的四种乘法：`*`、`torch.mul`、`torch.mm`和`torch.matmul`。 1. `*` 运算符（点乘） 点乘通常用于元素级别的乘法，即对齐的张量元素逐个相乘。如果两个张量大小不一致，PyTorch会...
Pytorch基础：张量相关的乘法(torch.mul、torch.mv、torch.matmul、torch.mm、torch.bmm、torch.dot、torch.tensordot、*、@)
前进，才知道自己的渺小
04-16 1348
Pytorch中含有很多种张量乘法，本文旨在帮助理解它们的不同。下面将分小节进行详细阐述，包括torch.mul、torch.matmul、torch.mm、torch.bmm、torch.dot、torch.tensordot、*、@。
Pytorch常用乘法函数总结：torch.mul()、*、torch.mm()、torch.bmm()、torch.mv()、torch.dot()、@、torch.matmul()
qq_43629945的博客
04-26 1731
torch.mul() 和 * 等价，为element-wise乘，可广播；torch.mm() 二维矩阵乘法，torch.bmm() 三维批量矩阵乘法，均不可广播；torch.mv(mat, vec) 为矩阵向量乘法，不可广播；torch.dot() 仅支持两个一维向量点积，返回一个标量数字；@ 矩阵乘法，等价于 torch.dot() + torch.mv() + torch.mm()；torch.matmul() 矩阵乘法，与 @ 类似，但它不止一维二维，可扩高维，可广播
详解torch.dot()、torch.outer()、torch.mul()、torch.mm()和torch.matmul()等函数使用技巧
li1784506的博客
03-24 2110
torch.matmul()函数可以用于1维向量×1维向量，1维向量×2维矩阵，2维矩阵×1维向量，矩阵相乘等不同情况。现将相关案例进行介绍方便日后回顾。
torch中乘法整理,*&torch.mul()&torch.mv()&torch.mm()&torch.dot()&@&torch.mutmal()
CharlesLC的博客
07-25 4475
位置乘数乘torch.mv()矩阵向量乘法torch.mm()矩阵乘法torch.dot()点乘积@操作。
torch.mm() torch.sparse.mm() torch.bmm() torch.mul() torch.matmul()的区别
十二月未央未眠
10-11 6566
目录torch.mm()torch.sparse.mm()torch.bmm()torch.mul()torch.matmul()总结 torch.mm() 二维矩阵的乘法，假设输入矩阵mat1维度是(m×n)(m×n)(m×n)​​​，矩阵mat2维度是(n×p)(n×p)(n×p)​​​​，则输出维度为(m×p)(m×p)(m×p)​，只能是二维的​​ mat1 = torch.randn(2, 3) mat2 = torch.randn(3, 3) out = torch.mm(mat1, mat2)
torch.mm函数介绍
m0_73765519的博客
04-20 406
是 PyTorch 中用于执行矩阵乘法（matrix multiplication）的函数。它能够将两个给定的张量进行矩阵乘法运算，得到结果张量。两个输入张量的维度必须满足矩阵乘法的要求，即第一个张量的列数必须等于第二个张量的行数。在这个例子中，我们定义了两个 2x2 的矩阵。函数执行了矩阵乘法运算，得到了结果矩阵。下面是一个简单的例子，说明了。
torch.mm()和torch.matmul()
m0_62229095的博客
12-08 602
torch.mm()和都是PyTorch库中用来进行矩阵乘法的函数，但它们在处理输入时有一些不同。torch.mm()：这个函数仅接受二维矩阵作为输入，并进行矩阵乘法。如果输入的张量不是二维的，它会抛出一个错误。：这个函数可以接受高于二维的张量，并进行适当的广播和矩阵乘法。对于二维矩阵，和torch.mm()的行为是相同的。# 张量a的第0维的大小是3，而张量b的第0维的大小是2，这两者不匹配，都不是1，不能广播。
【pytorch】torch.mm，torch.bmm以及torch.matmul的使用
热门推荐
安安爸Chris的专栏
08-19 2万+
torch.mm torch.mm是两个矩阵相乘，即两个二维的张量相乘 如下面的例子 mat1 = torch.randn(2,3) print("mat1=", mat1) mat2 = torch.randn(3,2) print("mat2=", mat2) mat3 = torch.mm(mat1, mat2) print("mat3=", mat3) 但是如果维度超过二维，则会报错。RuntimeError: self must be a matrix torch.bmm 它其实就是加了一
pytorch中torch.mul、torch.mm/torch.bmm、torch.matmul的区别
Home to come
08-18 1555
torch.matmul: 两个tensor的矩阵乘积，与mm的区别就是不限制是不是二维，符合broadcasted规则的都可以。torch.mul: 两个输入按元素相乘，内积。torch.mm: 特指二维矩阵乘法，外积。分两种情况，默认其中一个是tensor。......
torch里的乘法:torch.mm、torch.matmul、torch.dot、torch.bmm、a@b、a*b
m0_51133942的博客
12-22 500
矩阵乘法：要求a的列数和b的行数相等，不支持广播机制。矩阵乘法：应用于3D场景，不支持广播机制，要求批相等也就是第0维相等，然后再对后面的作矩阵乘法，要求同torch.mm,要求a的列数和b的行数相等，即下图的a的第2维和b的第1维相等。
Pytorch 自动微分注意点讲解
bbaaa123的博客
08-24 318
pytorch 自动微分注意点讲解
【PyTorch】关于Transforms的简单使用
Q20011102的博客
08-21 467
【PyTorch】关于Transforms的简单使用
【PyTorch】关于Tensorboard的简单使用
Q20011102的博客
08-21 414
【PyTorch】关于Tensorboard的简单使用
Pytorch升级之旅——基础概念
qq_53589322的博客
08-20 1200
学习链接：深入浅出PyTorch — 深入浅出PyTorch (datawhalechina.github.io)①1956-1966 人工智能元年 达特茅斯会议②20世纪80年代 统计学思想引入 提出BP神经网络③1993年以后 2006年深度学习 2016年AIphaGO围棋深度学习（DL）、机器学习（ML）和人工智能（AI）之间的关系可以用层级结构来理解：人工智能（AI）：AI是一个广泛的领域，旨在开发能够模拟人类智能的计算机系统。它包括许多子领域，如机器学习、计算机视觉、自然语言处理等。AI的目标
Pytorch 模型保存与加载
最新发布
bbaaa123的博客
08-24 320
pytorch 模型保存与加载详解
Pytorch 张量运算函数(补充)
bbaaa123的博客
08-24 349
pytorch 张量运算函数(补充)常用函数详解,为上一篇运算函数的补充
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