차이 torch.mul, torch.mm, torch.bmm의 torch.matmul

torch.mul

torch.mul(input, other, out=None)

기능 :

정렬 곱한 방송 될 수 있습니다

이 기능은 두 경우를 처리 할 수 있습니다 :

  1. 입력은 행렬 / 벡터 다른 스칼라
    입력 이때 다른 곱한 것을 모든 요소
  2. 그것은 입력 행렬 / 벡터이고, 다른 하나는 매트릭스 / 벡터 인
    시각 나는 = 나는 나는 × 시간 이자형 아르 자형 나는 out_i = input_i \ 배 other_i 파라 곱할 모두 그림, 캔 방송 있는지

예를 들면 :

  1. 동일한 크기의 다른 입력은 파라 승산

    a: tensor([[ 1.8351,  2.1536],
        [-0.8320, -1.4578]])
    b: tensor([[2.9355, 0.3450],
        [0.5708, 1.9957]])
    c = torch.mul(a,b):
     tensor([[ 5.3869,  0.7429],
        [-0.4749, -2.9093]])
    
  2. 두 벡터 방송

    a: tensor([[ 1.8351,  2.1536],
            [-0.8320, -1.4578]])
    b: tensor([[2.9355, 0.3450],
            [0.5708, 1.9957]])
    c = torch.mul(a,b):
     tensor([[ 5.3869,  0.7429],
            [-0.4749, -2.9093]])
    

torch.mm

torch.mm(input, mat2, out=None)

이 문제를 해결하려면 :

행렬 곱셈 2 차원만을 이차원 행렬을 처리 할 수있는 다른 기준을 사용torch.matmul

예를 들면 :

mat1 = torch.randn(2, 3)
mat2 = torch.randn(3, 3)
torch.mm(mat1, mat2)
tensor([[ 0.4851,  0.5037, -0.3633],
        [-0.0760, -3.6705,  2.4784]])

torch.bmm

torch.bmm(input, mat2, out=None)

함수 이름을 참조하십시오, 우리는 알고 torch.mm계산에 기초하여 배치의 추가는 방송 할 수 없다


torch.matmul

torch.matmul(input, other, out=None)

기능 :
업 적용, 배치를 처리 할 수있는, 방송 매트릭스 :

  1. 첫 번째 인자는 하나의 차원이고, 두 번째는 두 차원 인 경우, 사이즈 제를 제공하는
  2. 제 이차원이고, 두 번째는, 즉, 행렬 벡터 승산 일차원이면
  3. 배치는 배치 산출 유지 될 수있는 케이스
  4. 치수는 동일하지 않은 제 1 방송 될 수 있고, 그 배치를 계산

예를 들면 :

  1. 벡터 X 벡터

    tensor1 = torch.randn(3)
    tensor2 = torch.randn(3)
    torch.matmul(tensor1, tensor2).size()
    torch.Size([])
    
  2. 행렬 X 벡터

    tensor1 = torch.randn(3, 4)
    tensor2 = torch.randn(4)
    torch.matmul(tensor1, tensor2).size()
    torch.Size([3])
    
  3. 일괄 행렬 X 방송 vecto

    tensor1 = torch.randn(10, 3, 4)
    tensor2 = torch.randn(4)
    torch.matmul(tensor1, tensor2).size()
    torch.Size([10, 3])
    
  4. 일괄 행렬 X 일괄 행렬

    tensor1 = torch.randn(10, 3, 4)
    tensor2 = torch.randn(10, 4, 5)
    torch.matmul(tensor1, tensor2).size()
    torch.Size([10, 3, 5])
    

개요

파라 곱하여 torch.mul이차원 행렬 곱셈 torch.mmBATCH와의 2 차원 배열 torch.bmm, 배치, 방송torch.matmul

게시 63 개 원래 기사 · 원 찬양 2 · 조회수 (8026)

추천

출처blog.csdn.net/McEason/article/details/104182648