pytorch学习笔记

torch.matmul()

torch.matmul() 是 PyTorch 中的矩阵乘法函数，用于进行两个矩阵（或张量）的矩阵乘法。它的使用方式如下：

output = torch.matmul(input1, input2)

其中，input1 和 input2 分别表示两个矩阵或张量，output 表示它们的矩阵乘积结果。需要注意的是，两个矩阵的维度必须满足矩阵乘法的要求，即第一个矩阵的列数必须等于第二个矩阵的行数。举个例子，如果 input1 的形状是 (m,n)，input2 的形状是 (n,p)，则它们的矩阵乘积结果的形状是 (m,p)。

除了处理矩阵乘法，torch.matmul() 还可以用于进行批量矩阵乘法等复杂计算。例如，可以通过设置维度参数来进行矩阵乘法的批处理：

batch_input1 = torch.randn(3, 4, 5)
batch_input2 = torch.randn(3, 5, 6)
batch_output = torch.matmul(batch_input1, batch_input2)

其中，batch_input1 和 batch_input2 表示两个形状分别为 (3,4,5) 和 (3,5,6) 的矩阵组成的批次数据，batch_output 表示它们的矩阵乘积结果，形状为 (3,4,6)。

需要注意的是，如果 torch.matmul() 的输入张量维度大于 2，则它会自动对最后两个维度进行矩阵乘法并保留其它维度。如果需要在其它维度上进行批处理，可以通过设置维度参数来指定。此外，torch.matmul() 还支持不同维度的广播和转置操作等高级功能，具体使用方法可以参考 PyTorch 官方文档中的说明。

torch.nn.functional.interpolate()

torch.nn.functional.interpolate() 是 PyTorch 中的一个函数，用于对输入张量进行线性插值操作。它的作用类似于 tf.image.resize_images() 函数。
函数的调用形式为：

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

其中，各参数的含义如下：

函数的返回值为一个新的张量，其形状由输入张量和参数 size、scale_factor 及 align_corners 决定。常见的用法有：

import torch
# 创建形状为 (1,3,4,4) 的张量 x
x = torch.tensor([
    [
        [[1,2,3,4],
         [2,3,4,5],
         [3,4,5,6],
         [4,5,6,7]],
        [[2,3,4,5],
         [3,4,5,6],
         [4,5,6,7],
         [5,6,7,8]],
        [[3,4,5,6],
         [4,5,6,7],
         [5,6,7,8],
         [6,7,8,9]]
    ]
])
#将 x 变形为形状为 (1,3,5,5) 的张量 y
y = torch.nn.functional.interpolate(x, size=(5,5), mode='nearest')
print(y)
#将 x 缩放为形状为 (1,3,8,8) 的张量 z
z = torch.nn.functional.interpolate(x, scale_factor=2, mode='bilinear', align_corners=False)
print(z)

其中，torch.nn.functional.interpolate(x, size=(5,5), mode='nearest') 将输入张量 x 缩放到大小为 (5,5) 的输出张量，插值方式为最近邻插值；torch.nn.functional.interpolate(x, scale_factor=2, mode='bilinear', align_corners=False) 将输入张量 x 缩放到大小为原来的两倍，插值方式为双线性插值，不校正角点的位置。