Torch里的点乘与叉乘及其对应表达

1. 初始化3个tensor

a = torch.tensor([[1, 2, 3], [3, 3, 2]])     
b = torch.tensor([[1, 2, 3], [3, 3, 5], [4, 1, 2]])
c = torch.tensor([[5, 1, 2], [2, 7, 3]])

print('a:', a)
print('b:', b)
print('c:', c)

其shape为：

a: tensor([[1, 2, 3],     #size: (2, 3)
           [3, 3, 2]])
b: tensor([[1, 2, 3],     #size: (3, 3)
           [3, 3, 5],
           [4, 1, 2]])
c: tensor([[5, 1, 2],     #size: (2, 3)
          [2, 7, 3]])

2. 矩阵点乘： 对应元素相乘，要求矩阵维度相同，满足条件矩阵如 a(2, 3), c(2, 3)

• 即Hadamard积，符号为 $⨀$ ，如A1 = a $⨀$ c， $\Rightarrow$ $A{1}_{ij}=a_{ij}\ast b_{ij}$ ;
• 即 A2 = a $\ast$ c ;
• 即 A3 = torch.mul(a, b)

运算得：

A1 == A2 == A3 = 
tensor([[ 5,  2,  6],
        [ 6, 21,  6]])

3. 矩阵叉乘： 前矩阵的列数 == 后矩阵的行数，满足条件矩阵如 a(2, 3), b(3, 3)

• 即 B1 = a @ b;
• 即 B2 = torch.mm(a, b)
• 即 B3 = torch.matmul(a, b)
• Note: torch.dot(para1, para2) 仅支持一维张量的叉乘运算

运算得：

B1 == B2 == B3 =
tensor([[19, 11, 19],
        [20, 17, 28]])