pytorch中矩陣乘法和數組乘法怎么實現

本篇內容介紹了“pytorch中矩陣乘法和數組乘法怎么實現”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

一、torch.mul

該乘法可簡單理解為矩陣各位相乘，一個常見的例子為向量點乘，源碼定義為torch.mul（input,other,out=None）。其中other可以為一個數也可以為一個張量，other為數即張量的數乘。

該函數可觸發廣播機制（broadcast）。只要mat1與other滿足broadcast條件，就可可以進行逐元素相乘 。

tensor1 = 2*torch.ones(1,4)
tensor2 = 3*torch.ones(4,1)
print(torch.mul(tensor1, tensor2))
#輸出結果為：
tensor([[6., 6., 6., 6.],
        [6., 6., 6., 6.],
        [6., 6., 6., 6.],
        [6., 6., 6., 6.]])

# 生成指定張量
c = torch.Tensor([[1, 2, 3], [4, 5 ,6]])
print(c.shape)  # 2*3
print(c)
 
# 生成隨機張量
d = torch.randn(2,2,3) 
print(d)
print(d.shape)  # 2*2*3
 
mul = torch.mul(c, d) # c會自動broadcast和d進行匹配
print(mul.shape)      # 2*2*3
print(mul)

二、torch.mm

該函數一般只能用來計算兩個二維矩陣的矩陣乘法，而且不支持broadcast操作。該函數源碼定義為torch.mm(input,mat2,out=None) ,參數與返回值均為tensor形式。

a=torch.ones(4,3)  
b=2*torch.ones(3,2)  
c=torch.empty(4,2)  
torch.mm(a,b,out=c)  
print(torch.mm(a,b))  
print( c )
#輸出結果為
tensor([[6., 6.],
        [6., 6.],
        [6., 6.],
        [6., 6.]])
tensor([[6., 6.],
        [6., 6.],
        [6., 6.],
        [6., 6.]])

三、torch.matmul

這個矩陣乘法是在torch.mm的基礎上增加了廣播機制,源碼定義為torch.matmul(input,other,out=None)。

其基本運算規則如下：

如果兩個參數都為一維，則等價于torch.mul，需要注意的是：此時的out不接受任何參數

如果兩個張量都為二維且符合矩陣相乘規則，或第一個參數為一維（長度為m，這里等價為大小為1* m），第二個參數為二維（大小為m* n）則運算等價于torch.mm

如果第一個參數為二維（大小m* n），第二個參數為一維（長度為n）,這里第二個參數會進行轉置成為n* 1的列向量，隨后進行矩陣相乘，將得到的結果再進行轉置，最終返回一個大小為1* m的向量

tensor1 = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]],dtype=torch.float32)
tensor2 = torch.ones(4)
print(tensor1.size())
print(tensor2.size())
print(torch.matmul(tensor1, tensor2).shape)
#輸出結果為：
torch.Size([3, 4])
torch.Size([4])
torch.Size([3])

還有一種情況就是任意一個參數至少為3維， 當前面的維度相同且最后兩個維度符合二維矩陣運算規則可進行計算，例如第一參數的大小為a* b * c * m，第二個參數的大小為a* b* m* d，則返回一個大小為a* b* c * d的張量，可觸發廣播機制。

tensor1 = torch.ones(1,4,3,2)
tensor2 = torch.ones(2,6)
print(torch.matmul(tensor1, tensor2).size())
#輸出結果為：
torch.Size([1, 4, 3, 6])

四、三維帶Batch矩陣乘法 torch.bmm()

torch.bmm(bmat1,bmat2)， 其中bmat1(B×n×m)，bmat2(B×m×d)輸出out的維度是B×n×d,該函數兩個輸入必須三維矩陣中的第一維要要相同，不支持broadCast操作。

五、torch中tensor數組的廣播計算

首先定義兩個張量，x的形狀是[1,2,1]，y的形狀是[1,2,2]。

當x與y相乘時，由于x.size(2)不等于y.size(2)，x會被擴展為[1,2,2]形狀，然后再與張量y進行乘法運算。

x = torch.rand(1,2,1)
y = torch.rand(1,2,2)

“pytorch中矩陣乘法和數組乘法怎么實現”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！