torch几种矩阵乘法的异同

总结放前面

a&b=torch.mul(a,b)  矩阵各元素对位相乘
torch.mm(a,b)=torch.matmul(a,b)  矩阵乘法

初始化两个矩阵


input=torch.rand([4,4],dtype=torch.float64)
a=torch.randint(0,high=2,size=[4,4],dtype=torch.float64)

打印矩阵input,a值如下:

tensor([[0.2144, 0.0409, 0.8645, 0.3426],
        [0.9860, 0.8908, 0.1770, 0.1409],
        [0.2202, 0.5774, 0.5549, 0.1352],
        [0.5474, 0.7407, 0.5088, 0.9849]], dtype=torch.float64)
tensor([[1., 0., 1., 0.],
        [0., 1., 0., 1.],
        [1., 0., 0., 1.],
        [1., 1., 1., 0.]], dtype=torch.float64)

a*b

矩阵各个元素对位相乘

tensor([[0.2144, 0.0000, 0.8645, 0.0000],
        [0.0000, 0.8908, 0.0000, 0.1409],
        [0.2202, 0.0000, 0.0000, 0.1352],
        [0.5474, 0.7407, 0.5088, 0.0000]], dtype=torch.float64)

torch.mul(a,b)

矩阵各个元素对位相乘

tensor([[0.2144, 0.0000, 0.8645, 0.0000],
        [0.0000, 0.8908, 0.0000, 0.1409],
        [0.2202, 0.0000, 0.0000, 0.1352],
        [0.5474, 0.7407, 0.5088, 0.0000]], dtype=torch.float64)

torch.mm(a,b)

矩阵乘法

tensor([[1.4215, 0.3835, 0.5570, 0.9054],
        [1.3040, 1.0317, 1.1269, 1.0678],
        [0.9104, 0.7126, 0.3554, 1.1324],
        [2.0411, 1.7256, 1.5323, 1.2494]], dtype=torch.float64)

torch.matmul(a,b)

矩阵乘法

tensor([[1.4215, 0.3835, 0.5570, 0.9054],
        [1.3040, 1.0317, 1.1269, 1.0678],
        [0.9104, 0.7126, 0.3554, 1.1324],
        [2.0411, 1.7256, 1.5323, 1.2494]], dtype=torch.float64)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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