pytorch的张量相乘学习笔记有关mul与matmul函数

最新推荐文章于 2024-04-15 11:28:02 发布
最新推荐文章于 2024-04-15 11:28:02 发布
阅读量169 收藏
点赞数
文章标签： pytorch 学习 笔记
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_43530233/article/details/131178400
版权

在学习过程中torch.mul是矩阵与矩阵里的元素相乘，然而torch.matmul与torch.mul不同的是matmul函数则是矩阵与矩阵的相乘

import  torch

data_1= [[1,2],[2,4]]
data_2= [[2,3],[3,4]]
tensor_1 = torch.tensor(data_1) # 转换为张量
tensor_2 = torch.tensor(data_2)

tensor_3 = torch.mul(tensor_1,tensor_2 )  # 函数里面的两个矩阵里对应的元素相乘
tensor_4 = torch.matmul(tensor_1,tensor_2) #函数里面的两个矩阵相乘

print(tensor_1)
print(tensor_2)
print(tensor_3)
print(tensor_4)

#tensor_1([[1, 2],
        [2, 4]])
tensor_2([[2, 3],
        [3, 4]])
tensor_3([[ 2,  6],
        [ 6, 16]])
tensor_4([[ 8, 11],
        [16, 22]])

Scrunch.
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Pytorch学习笔记（一）
LJR的博客
01-17 1034
pytorch学习 张量 Tensor 变量 Variable 计算图 backward 反向传播
学习pytorch中的一些笔记(1)
Cao_Y的博客
02-14 365
一、torch.Size torch.Size() 查看当前Tensor的大小，即维度。 在官方教程还有一句话，我觉得可能有用： torch.Size是个元组，元组的操作都可以用 len(torch.Size([5,3])) 输出： 2 torch.Size([5,3])[0] torch.Size([5,3])[1] 输出： 5 3 torch.Size([5,3])+torch.Si...
关于pytorch中部分矩阵乘法的总结（torch.mm,torch.mul,torch.matmul）
12-21
一、torch.mul 该乘法可简单理解为矩阵各位相乘，一个常见的例子为向量点乘，源码定义为torch.mul（input,other,out=None）。其中other可以为一个数也可以为一个张量，other为数即张量的数乘。 该函数可触发广播机制（broadcast）。 tensor1 = 2*torch.ones(1,4) tensor2 = 3*torch.ones(4,1) print(torch.mul(tensor1, tensor2)) #输出结果为： tensor([[6., 6., 6., 6.], [6., 6., 6., 6.], [6.
matmul和mul的区别
Xu2781980245的博客
03-11 1376
torch.matmul(a,b)：是 矩阵a*b a.mul(b)：是矩阵a和矩阵b逐位相乘
torch中的mul()、matmul()和mm()
刘先生倒了u的博客
04-06 1052
可以看到主要有两个参数是必要的，分别是两个tensor向量。可以发现，mul通过对应位置相乘，得到的值填入tensor向量中，可以看出，matmul是点积乘法，通过行乘列，相加的形式。源码如下，输入的参数要求是矩阵tensor向量，要求满足。源码如下，函数参数为两个tensor向量。
[Pytorch函数].mul() .mm() .matmul()
qq_41568188的博客
07-10 1566
一、点乘 点乘都是broadcast的，可以用torch.mul(a, b)实现，也可以直接用*实现。 >>> a = torch.ones(3,4) >>> a tensor([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]]) >>> b = torch.Tensor([1,2,3]).reshape((3,1)) >>> b tensor([
一文整理5个Pytorch张量乘法函数
hottie_xiaomiao的博客
04-19 5338
最近整理了Pytorch中5个常用的张量乘法函数和用法，建议收藏学习。
pytorch教程（学习笔记）——tensor操作+模型实例（线性回归、LR、MLP）
Alannah的个人学习记录
08-22 594
突然翻出了蛮早之前做的pytorch学习笔记，整理了一下决定发成博客以供复习，当时根据视频资料和网页资料整理的，视频资料现在找不到了，后面找到了再进行补充；网上的博客资料标在文中对应位置。 目录一.pytorch安装二.pytorch基础1.pytorch张量与数据类型2.张量基本操作(1).构建张量(2).size()、shape(3).adarray与tensor之间转换2.张量运算与形状变换(1)张量运算——乘法(2)张量运算——加法(3)张量运算——均值、求和、tensor转标量、in-place函
pytorch学习笔记
qq_46497008的博客
12-07 839
numpy如何初始化数组 Numpy简介 使用Numpy创建数组 创建空数组 empty()函数 empty_like()函数 创建填充固定值的数组 zeros()函数 zeros_like()函数 ones()函数 full()函数 生成随机数数组 seed()函数 RandomState()函数 random()函数 permutation()函数 shuffle()函数 rand()函数 randint()函数 randn()函数 binomial()函数 normal()函数 beta()函数 c
Tensorflow架构中的matmul矩阵乘法和mul点乘法
arenascat的博客
03-04 3886
一般来说会遇到这两种乘法，这两种乘法是我们经常会遇到的，不过在计算中，矩阵乘法会更常用一点 例如，我设置两个常量，分别是v1和v2，现在需要将两者相乘 v1 = tf.constant([[1.0,2.0],[3.0,4.0]]) v2 = tf.constant([[5.0,6.0],[7.0,8.0]]) 点乘和矩阵乘法两者计算区别如下： 1.采用点乘，也就是点对点乘法，得到的结果是...
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 2244
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。
pytorch中的矩阵乘法操作：torch.mm(), torch.bmm(), torch.mul()和*, torch.dot(), torch.mv(), @, torch.matmul()
weixin_43646592的博客
02-11 3151
pytorch中的矩阵乘法操作：torch.mm(), torch.bmm(), torch.mul()和*, torch.dot(), torch.mv(), @, torch.matmul()
（PyTorch）PyTorch中的常见运算（*、@、Mul、Matmul）
Hanlin的博客
10-24 1567
这个是让一个数，限制在你自己设置的一个范围内[min,max],小于min的话就被设置为min，大于max的话就被设置为max。我们可以发现的torch.div()其实就是/, 类似的：torch.add就是+,torch.sub()就是-,不过符号的运算更简单常用。上面的是对二维矩阵而言的，假如参与运算的是一个多维张量，那么只有torch.matmul()可以使用。pytorch中log是以e自然数为底数的，然后log2和log10才是以2和10为底数的运算。矩阵（张量）每一个元素与标量进行操作。
torch.mm() torch.sparse.mm() torch.bmm() torch.mul() torch.matmul()的区别
十二月未央未眠
10-11 6602
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)
【Pytorch学习】torch.mm()&torch.matmul()和torch.mul()以及torch.spmm()
热门推荐
sxl的博客
04-07 1万+
做深度学习过程中免不了使用pytorch，刚上手可能觉得pytorch是一门新语言。过一段时间之后发现其用法跟python极其相似，python的很多函数名都可以用到torch中。当然也有一些不同，毕竟张量的计算可以用GPU啊。是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵。当然，对于二维的效果等同于torch.mm（）。关于torch.matmul的详细介绍可以看。torch.matmul()的用法比torch.mm更高级，的维度必须相等，比如。
【Pytorch】进阶学习：实现矩阵乘法---torch.mul() 、 torch.mm() 和torch.matmul()的区别
最新发布
m0_58477260的博客
04-15 2015
总结一下，torch.mm()和这三个函数的主要区别在于它们处理张量的方式和维度要求不同。执行的是元素级别的乘法，要求输入张量形状相同；torch.mm()执行的是标准的矩阵乘法，只适用于二维张量；而则提供了更广义的矩阵乘法，可以处理任意维度的张量，包括批量矩阵乘法。确保输入张量的形状符合函数的要求，否则可能会引发错误。对于矩阵乘法，需要注意矩阵的维度匹配问题，即第一个矩阵的列数必须等于第二个矩阵的行数。在进行批量矩阵乘法时，使用可以方便地处理多个矩阵的乘法运算。
pytorch函数mm() mul() matmul()区别
qq_35091353的博客
05-24 8117
1、函数 1.1 作用 torch.matmul是tensor的乘法，输入可以是高维的。 2 、举例 当输入都是二维时，就是普通的矩阵乘法，和tensor.mm函数用法相同。 当输入有多维时，把多出的一维作为batch提出来，其他部分做矩阵乘法。 下面看一个两个都是3维的例子： 将b的第0维1broadcast成2提出来，后两维做矩阵乘法即可。 再看一个复杂一点的，是官网的例子： 首先把a的第0维2作为batch提出来，则a和b都可看作三维。再把a的1broadcat成5，提取公因式5。（这样
pytorch中tensor.mul()和mm()和matmul()
qq_42368281的博客
11-17 6425
tensor * tensor 和 tensor.mul都是将矩阵的对应位置的元素相乘，因此要求维度相同（矩阵相乘） tensor = torch.ones(4, 4) tensor[:,1] = 0 print(tensor) tensor([[1., 0., 1., 1.], [1., 0., 1., 1.], [1., 0., 1., 1.], [1., 0., 1., 1.]]) print(f"torch.mul(tensor) \n {to.
pytorch中张量相乘
10-14
在PyTorch中，可以使用torch.matmul()函数进行张量相乘。如果要进行逐元素相乘，则可以使用"*"运算符。 示例代码： ```python import torch # 定义两个张量 a = torch.tensor([[1, 2], [3, 4]]) b = torch.tensor...
评论 1
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