torch.matmul的前后两个矩阵维度不同的小结

系列文章目录

本系列记录自己的代码学习知识

---

---

前言

---

一、torch.matmul()

torch.matmul()也是一种类似于矩阵相乘操作的tensor联乘操作。但是它可以利用python 中的广播机制，处理一些维度不同的tensor结构进行相乘操作。这也是该函数与torch.bmm()区别所在。

torch.matmul(input，other)#我们现以不同的名字区分前后两个矩阵

来源
作者：top_小酱油
链接：https://www.jianshu.com/p/e277f7fc67b3
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

二、详解解释

1.input维度比other大

例如：

n = ([1,2,3],[1,2,3])
n=torch.tensor(n)
print('n.size',n.size())

n.size torch.Size([2, 3])

m = ([1,2,3])
m=torch.tensor(m)
print('m.size',m.size())

m.size torch.Size([3])

b=torch.matmul(n,m)
print('b',b)
print('b.shape',b.shape)

b tensor([14, 14])
b.shape torch.Size([2])

解释：

2.input维度比other小

例如：

import torch
x = ([1,2])
x=torch.tensor(x)
print('x.size',x.size())

x.size torch.Size([2])

y = ([1,2,3],[1,2,3])
y=torch.tensor(y)
print('y.size',y.size())

y.size torch.Size([2, 3])

a=torch.matmul(x,y)
print('a',a)
print('a.shape',a.shape)

a tensor([3, 6, 9])
a.shape torch.Size([3])

解释：

---

总结

结合看到的知识，自己重新整理。