pytorch中的矩阵乘法:函数mul,mm,mv以及 @运算 和 *运算

时间:2024-11-06 15:00:17

pytorch中矩阵运算种类

关于@运算,*运算,(), (), (), ()

@ 和 *代表矩阵的两种相乘方式:@表示常规的数学上定义的矩阵相乘;*表示两个矩阵对应位置处的两个元素相乘。

(y): 向量乘积,x,y均为一维向量。

*和()等同:表示相同shape矩阵点乘,即对应位置相乘,得到矩阵有相同的shape。

@和(a, b)等同:正常矩阵相乘,要求a的列数与b的行数相同。

(X, w0):是矩阵和向量相乘.第一个参数是矩阵,第二个参数只能是一维向量,等价于X乘以w0的转置

():矩阵Y的转置。


实例展示:

a = torch.tensor([
    [1, 0, 1],
    [0, 1, 0],
    [1, 0, 1],
])

b = torch.tensor([
    [3, 1, 3],
    [1, 0, 1],
    [3, 1, 3],
])
c = torch.tensor([
    [1, 1, 1],
    [0, 1, 1],
    [0, 0, 1],
])
w1 = torch.tensor([1, 2, 1])
w2 = torch.tensor([3, 4, 3])

1、 *和()等同,矩阵点乘

res1 = a*b
res11 = torch.mul(a, b)
print("a*b={}\n".format(res1))
print("(a, b)={}\n".format(res11))

Output:

a*b=tensor([[3, 0, 3],
[0, 0, 0],
[3, 0, 3]])
(a, b)=tensor([[3, 0, 3],
[0, 0, 0],
[3, 0, 3]])

2、 @和(a, b)等同,矩阵乘法

res2 = a@b
res22 = torch.mm(a, b)
print("a@b={}\n".format(res2))
print("(a,b)={}\n".format(res22))

Output:

a@b=tensor([[6, 2, 6],
[1, 0, 1],
[6, 2, 6]])
(a,b)=tensor([[6, 2, 6],
[1, 0, 1],
[6, 2, 6]])

3、 dot()向量乘法
向量运算,参数不能是多维矩阵,否则报错:RuntimeError: 1D tensors expected, got 2D, 2D tensors at.

res3 = w1.dot(w2)
print("(w2)={}\n".format(res3))

Output:

(w2)=14

4、 ()矩阵转置

res4 = c.t()
print("()={}\n".format(res4))

Output:

()=tensor([[1, 0, 0],
[1, 1, 0],
[1, 1, 1]])

5、(a, w1)矩阵乘向量

res5 = torch.mv(a, w1)
res55 = torch.mv(a, w1.t())
print("(a, w1)={}\n".format(res5))
print("(a, ())={}\n".format(res55))

Output: 向量w1是行向量和列向量都可以,结果一样。

(a, w1)=tensor([2, 2, 2])
(a, ())=tensor([2, 2, 2])


总结:

如果命题拿不准就多测试两遍,相互验证。