在人工智能领域 ⊕、⊗和 ⊙ 符号是什么含义？

我们经常在论文中看到 ⊕、⊗和 ⊙ 符号，那么有下面两个问题：

这三个符号有什么作用呢？
如何在论文中正确使用这三个数学符号
1. 两种符号的解释
1.1 逐元素相加：⊕
⊕  在论文中表示逐元素相加，如果用两个矩阵表示，即：

从公式可以看到，⊕ 表示对应元素相加，即两个矩阵的形状必须相同。

1.2 矩阵乘法：⊗
圈乘 ⊗ 表示传统线性代数学的矩阵乘法，用公式即：

可以看到就是普通的矩阵乘法，要求 A 矩阵第二维度与 B 矩阵第一维度相等。

1.3 矩阵点乘：⊙
矩阵点乘 ⊙表示矩阵对应位置元素相乘，例子如下： 

与矩阵加法 ⊕类似，也是要求两个矩阵的维度必须相同。

2. 两种符号的代码表示

名称	符号	PyTorch 代码	含义	条件
矩阵乘法(element-wise)	⊗	torch.mm() 或 torch.matmul()	矩阵乘法(自动广播)	形状相同或满足广播机制
矩阵加法(element-wise)	⊕	+ 或 torch.add(A, B)	两个矩阵对应位置元素相加	形状相同或满足广播机制
矩阵点乘	⊙	* 或 torch.mul(A, B)	两个矩阵对应位置元素相乘(自动广播)	形状相同或满足广播机制

 参考原文链接：https://blog.csdn.net/weixin_44878336/article/details/124501040