PyTorch中的矩陣乘法
阿新 • • 發佈:2022-04-13
1. 二維矩陣乘法
, 其中 , , 輸出 的維度是。該函式一般只用來計算兩個二維矩陣的矩陣乘法,而且不支援broadcast操作。
2. 三維帶Batch矩陣乘法
由於神經網路訓練一般採用mini-batch,經常輸入的是三維帶batch矩陣,所以提供 ,其中 , , 輸出 的維度是 。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。
3. "混合"矩陣乘法
支援broadcast操作,使用起來比較複雜,建議參考pytorch官方文件。
特別 ,針對多維資料 乘法,我們可以認為該 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, ,那麼我們可以認為 乘法首先是進行後兩位矩陣乘法得到 ,然後分析兩個引數的batch size分別是 和 , 可以廣播成為 , 因此最終輸出的維度是 。
4. 矩陣逐元素(Element-wise)乘法
,其中 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,即該操作是支援broadcast操作的。
- 是標量: 例如是維度任意的矩陣, (一個標量), 那麼輸出一個矩陣,其中每個值是 中原值乘以 , 維度保持不變。
是矩陣: 只要 與 的維度可以滿足broadcast條件,就可以進行逐元素乘法操作,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) #輸出 torch.size([2,3,4)
5. 兩個乘法操作符@和
簡單來說, @ 操作符可以執行矩陣乘法操作,類似 ; 而 乘法操作可以執行逐元素矩陣乘法,使用方法類似 。
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)