pytorch笔记：pytorch的乘法

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

tensor与行向量点乘的结果是每一列乘以对应的值

tensor与列向量点乘的结果是每一行乘以对应的值

矩阵进行点乘，就是对应位的乘积

点乘还有广播的特点（也是对应位的乘积）

2 mul（与点乘相同）

tensor与标量mul的结果是每个元素乘以这个标量的值

tensor与行向量mul的结果是每一列乘以对应的值

tensor与列向量点乘的结果是每一行乘以对应的值

矩阵进行mul，就是对应位的乘积

、

mul也有广播的特点（也是对应位的乘积）

3 mm 矩阵乘法

4 matmul 矩阵乘法

a,b矩阵同3中的a,b矩阵

矩阵乘法的广播版本

5 bmm batch的乘法

计算两个tensor的矩阵乘法。

对于torch.bmm(a,b)中的两个参数，tensor a 的size为(b,h,w),tensor b的size为(b,w,h)。

注意两个tensor的维度必须为3.

比三维多，比三维少的tensor维度都不行。

二维的情况：

四维的情况

四维矩阵相乘，可以用matmul实现

bmm使用（作用理论上和matmul一样？甚至matmul功能还更强大一些？欢迎讨论！）

6 mv 矩阵和向量的乘法(matrix vector)

a=torch.arange(12).reshape(3,4)
print(a)
'''
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
'''
b=torch.LongTensor([1,3,5,7])
print(b)
'''
tensor([1, 3, 5, 7])
'''

torch.mv(a,b)
'''
tensor([ 34,  98, 162])
'''