PyTorch中的矩阵乘法
作者:互联网
1. 二维矩阵乘法 ![[公式]](https://www.zhihu.com/equation?tex=torch.mm%28%29)
, 其中
,
, 输出
的维度是
。该函数
一般只用来计算两个二维矩阵的矩阵乘法,而且不支持broadcast操作。
2. 三维带Batch矩阵乘法 ![[公式]](https://www.zhihu.com/equation?tex=torch.bmm%28%29)
由于神经网络训练一般采用mini-batch,经常输入的是三维带batch矩阵,所以提供 ,其中
,
, 输出
的维度是
。该函数的两个输入必须是三维矩阵且第一维相同(表示Batch维度),不支持broadcast操作。
3. "混合"矩阵乘法 ![[公式]](https://www.zhihu.com/equation?tex=torch.matmul%28%29)
支持broadcast操作,使用起来比较复杂,建议参考pytorch官方文档。
特别 ,针对多维数据 乘法,我们可以认为该
乘法使用使用两个参数的后两个维度来计算,其他的维度都可以认为是batch维度。假设两个输入的维度分别是
,
,那么我们可以认为
乘法首先是进行后两位矩阵乘法得到
,然后分析两个参数的batch size分别是
和
, 可以广播成为
, 因此最终输出的维度是
。
4. 矩阵逐元素(Element-wise)乘法 ![[公式]](https://www.zhihu.com/equation?tex=torch.mul%28%29)
,其中
乘数可以是标量也可以是任意维度的矩阵,只要满足最终相乘是可以broadcast的即可,即该操作是支持broadcast操作的。
是标量: 例如
是维度任意的矩阵,
(一个标量), 那么输出一个矩阵,其中每个值是
中原值乘以
, 维度保持不变。
是矩阵: 只要
与
的维度可以满足broadcast条件,就可以进行逐元素乘法操作,例如:
1 import torch 2 A = torch.randn(2,3,4) 3 B = torch.randn(3, 4) 4 print (torch.mul(A,b).shape) # 输出 torch.size([2,3,4)
5. 两个乘法操作符@和
简单来说, @ 操作符可以执行矩阵乘法操作,类似 ; 而
乘法操作可以执行逐元素矩阵乘法,使用方法类似
。
1 import torch 2 3 x=torch.ones(3,2) 4 print(x) 5 6 y=torch.ones(3,2)+2 7 print(y) 8 9 z=torch.ones(2,1) 10 print(z) 11 12 print(x*y@z)
参考:随笔1: PyTorch中矩阵乘法总结 - 知乎 (zhihu.com)
标签:torch,矩阵,broadcast,print,PyTorch,维度,乘法 来源: https://www.cnblogs.com/fan-faith/p/16140857.html