pytorch的点积、矩阵乘法、逐元素乘法

---

一、点积

使用 torch.dot() 计算点积

torch.dot(input, tensor)

• input：第一个输入张量，必须是一维张量。
• tensor：第二个输入张量，必须是一维张量，并且与 input 具有相同的大小。

import torch

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

result = torch.dot(a, b)
print(result)# tensor(32)

使用 torch.sum() 计算点积

可以使用 torch.sum() 函数进行张量的逐元素相乘并求和，从而计算点积：

import torch

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

result = torch.sum(a * b)
print(result)# tensor(32)

二、矩阵乘法

torch.matmul(input, other, out=None)

• input：输入的第一个张量，可以是二维或多维张量。
• other：输入的第二个张量，可以是二维或多维张量。
• out（可选）：输出张量，用于指定结果的存储位置。

import torch

a = torch.tensor([[1, 2],
                  [3, 4]])

b = torch.tensor([[5, 6],
                  [7, 8]])

result = torch.matmul(a, b)
print(result)

tensor([[19, 22],
        [43, 50]])

三、逐元素乘法

在 PyTorch 中，可以使用 torch.mul()、torch.multiply() 或直接使用 * 运算符来执行张量的逐元素相乘操作。

使用 torch.mul() 函数进行逐元素相乘：

torch.mul(input, other, out=None)

参数说明：

• input：输入张量。
• other：用于逐元素相乘的张量。
• out（可选）：输出张量，用于指定结果的存储位置。

import torch

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

result = torch.mul(a, b)
print(result)

tensor([ 4, 10, 18])

使用 * 运算符进行逐元素相乘

import torch

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

result = a * b
print(result)

tensor([ 4, 10, 18])

四 torch.prod和torch.mul和torch.matmul()的区别

1.torch.prod()

• 功能：计算张量中元素的乘积。
• 输入：接受一个输入张量，并对其所有元素进行累积乘法。
• 输出：返回一个标量张量，表示输入张量中所有元素的乘积。

import torch

x = torch.tensor([[1, 2], [3, 4]])
product = torch.prod(x)
print(product)  # 输出: tensor(24)

2.torch.mul()

• 功能：执行元素级乘法操作。
• 输入：接受两个输入张量，并对它们的对应元素进行逐元素相乘。
• 输出：返回一个新的张量，其中包含两个输入张量对应元素的乘积。

import torch

x = torch.tensor([[1, 2], [3, 4]])
elementwise_product = torch.mul(x, x)
print(elementwise_product)  # 输出: tensor([[ 1,  4],
                             #         [ 9, 16]])

3.torch.matmul()

• 功能：执行矩阵乘法操作。
• 输入：接受两个输入张量，可以是标量、向量、矩阵或批量矩阵，并执行矩阵乘法操作。
• 输出：返回两个输入张量的矩阵乘法结果。

import torch

x = torch.tensor([[1, 2], [3, 4]])
y = torch.tensor([[5, 6], [7, 8]])
matrix_product = torch.matmul(x, y)
print(matrix_product)  # 输出: tensor([[19, 22],
                        #         [43, 50]])