torch.mm(mat1, mat2, out=none)，其中mat1(\(n\times m\))，mat2(\(m\times d\))，輸出out的維度是(\(n\times d\))。
該函式一般只用來計算兩個二維矩陣的矩陣乘法，並且不支援broadcast操作。由於神經網路訓練一般採用mini-batch，經常輸入的時三維帶batch的矩陣，所以提供
torch.bmm(bmat1, bmat2, out=none)，其中bmat1(\(b\times n \times m\))，bmat2(\(b\times m \times d\))，輸出out的維度是(\(b \times n \times d\))。
該函式的兩個輸入必須是三維矩陣且第一維相同（表示batch維度），不支援broadcast操作。
torch.matmul(input, other, out=none)支援broadcast操作，使用起來比較複雜。
針對多維資料matmul()乘法，我們可以認為該matmul()乘法使用使用兩個引數的後兩個維度來計算，其他的維度都可以認為是batch維度。假設兩個輸入的維度分別是input(\(1000 \times 500 \times 99 \times 11\)),other(\(500 \times 11 \times 99\))那麼我們可以認為torch.matmul(input, other, out=none)乘法首先是進行後兩位矩陣乘法得到\((99 \times 11) \times (11 \times 99)\rightarrow(99 \times 99)\) ，然後分析兩個引數的batch size分別是 \(( 1000 \times 500)\) 和 \(500\) , 可以廣播成為 \((1000 \times 500)\)， 因此最終輸出的維度是(\(1000 \times 500 \times 99 \times 99\))。
torch.mul(mat1, other, out=none)，其中other乘數可以是標量，也可以是任意維度的矩陣，只要滿足最終相乘是可以broadcast的即可
矩陣乘法總結
矩陣的資料 http huixisheng.download.csdn.net 到今天為止終於差不多把矩陣乘法的題目寫的差不多了。剩下的幾個留著慢慢思考，做矩陣的題目，最主要的關鍵是遞推公式。1 fic的通項可以這樣表示 f k 1 sqrt 5 hdu有兩個題目喲公道了這個犀利的推導公式 2 求s...
pytorch中的乘法
總結 按元素相乘用torch.mul，二維矩陣乘法用torch.mm，batch二維矩陣用torch.bmm，batch 廣播用torch.matmul if name main a torch.tensor 1 2,3 b torch.arange 0,12 reshape 4 3 c torch...
pytorch的各種乘法操作，點乘和矩陣乘
點乘 相應點相乘，x.mul y 即點乘操作，點乘不求和操作，又可以叫作hadamard product 哈達瑪積 相同位置的相乘，形狀保持不變 import torch x torch.tensor 3,3 3,3 y x x x.dot x z torch.mul x,x x.mul x pri...