torch中的mul()、matmul()和mm()

最新推荐文章于 2025-06-28 15:59:20 发布

原创最新推荐文章于 2025-06-28 15:59:20 发布 · 1.6k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy #深度学习

所有文章专栏收录该内容

88 篇文章

订阅专栏

文章介绍了PyTorch中三个用于张量运算的函数：mul()执行元素级乘法，matmul()进行矩阵乘法（点积），而mm()同样是矩阵乘法但要求输入为二维张量。mul函数需确保输入张量尺寸相同，matmul和mm则是行与列的对应乘积并相加。通过示例代码展示了各函数的使用方法和计算结果。

部署运行你感兴趣的模型镜像

1.mul()

源码中是这样的。可以看到主要有两个参数是必要的，分别是两个tensor向量。

def mul(input: Union[Tensor, Number], other: Union[Tensor, Number], *, out: Optional[Tensor]=None) -> Tensor: ...

用例子测试一下：

import torch

a = torch.tensor([1, 3])
b = torch.tensor([2, 5])
print(torch.mul(a, b))

输出的结果为
tensor([ 2, 15])

可以发现，mul通过对应位置相乘，得到的值填入tensor向量中，这样需要保证输入的两个向量维度和大小一直

2.matmul()

源码如下，函数参数为两个tensor向量

def matmul(input: Tensor, other: Tensor, *, out: Optional[Tensor]=None) -> Tensor: ...

测试例子：

import torch

a = torch.tensor([1, 3])
b = torch.tensor([2, 5])
print(torch.matmul(a, b))

得出的结果为：tensor(17)

可以看出，matmul是点积乘法，通过行乘列，相加的形式。
假设 $a=[a1a2]a=\begin{bmatrix} a_1&a_2 \end{bmatrix}$ ， $b=[b11b12b13b21b22b23]b=\begin{bmatrix} b_{11} & b_{12}&b_{13}\\ b{21} & b_{22}&b_{23} \end{bmatrix}$
那么，有
$matmul(a,b)=\begin{bmatrix} a_1*b_{11}+a_2*b_{21} & a_1*b_{12}+a_2*b_{22}&a_1*b_{13}+a_2*b_{23} \end{bmatrix}$

3.mm()

源码如下，输入的参数要求是矩阵tensor向量，要求满足二维tensor，mm()的本质也是点乘

def mm(input: Tensor, mat2: Tensor, *, out: Optional[Tensor]=None) -> Tensor: ...

这里也给出一个例子：

import torch

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

a = torch.unsqueeze(a, dim=0)
b = torch.unsqueeze(b, dim=0).T
print(a)
print(b)
a = torch.mm(a, b)
print(a)

输出的结果为：

tensor([[1, 3]])
tensor([[2],
        [5]])
tensor([[17]])

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理