广播机制使用的例子：2维矩阵与3维矩阵的乘法（matmul）和 element-wise（mul）

最新推荐文章于 2023-01-24 23:35:24 发布

xmy21sunshine

最新推荐文章于 2023-01-24 23:35:24 发布

阅读量1.2k

点赞数

分类专栏： torch基础文章标签：矩阵 pytorch 深度学习

本文链接：https://blog.csdn.net/xmy21sunshine/article/details/125320079

版权

torch基础专栏收录该内容

4 篇文章 0 订阅

订阅专栏

矩阵乘法（matmul）和 element-wise（mul）
对于a为二维矩阵，b为三维矩阵，相乘时广播机制要求从后向前对齐，a扩展后为相当于对a矩阵复制3次(b1第一维度的次数) 后,达到维度3,2,2再与b相乘。复制后的效果为

[[0., 1.],
 [2., 3.]],

[[0., 1.],
 [2., 3.]],

[[0., 1.],
 [2., 3.]]]

import torch
import numpy as nn
a1 = torch.tensor(nn.arange(4).reshape(2,2))
b1 = torch.tensor(nn.arange(12).reshape(3,2,2))
c=torch.mul(a1,b1)  # 广播机制后 a1扩展为 torch.Tensor([[[0, 1],[2, 3]],[[0, 1],[2, 3]],[[0, 1],[2, 3]]])
print(c,c.shape)  #torch.Size([3, 2, 2])