torch.addmm

torch.addmm(input, mat1, mat2, *, beta=1, alpha=1, out=None) → Tensor

执行矩阵 mat1 和 mat2 的矩阵乘法。矩阵 input 将添加到最终结果中。

如果 mat1 是一个 $(n \times m)$ 张量，mat2 是一个 $(m \times p)$ 张量，则 input 必须与 $(n \times p)$ 张量广播，out 将是一个 $(n \times p)$ 张量。

alpha 和 beta 分别是 mat1 和 mat2 之间矩阵向量积以及添加的矩阵 input 的缩放因子。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat1}_i \mathbin{@} \text{mat2}_i)$$

如果 beta 为 0，则 input 将被忽略，并且其中的 nan 和 inf 不会传播。

对于类型为 FloatTensor 或 DoubleTensor 的输入，参数 beta 和 alpha 必须是实数，否则它们应该是整数。

此操作支持具有 稀疏布局 的参数。如果 input 为稀疏，则结果将具有相同的布局，并且如果提供了 out，则它必须与 input 具有相同的布局。

警告

稀疏支持是一个测试功能，某些布局/数据类型/设备组合可能不受支持，或者可能没有自动梯度支持。如果您发现缺少功能，请提交功能请求。

此运算符支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将使用 不同的精度 进行反向传播。

参数

• input (张量) – 要添加的矩阵

• mat1 (张量) – 要进行矩阵乘法的第一个矩阵

• mat2 (张量) – 要进行矩阵乘法的第二个矩阵

关键字参数

• beta (数字, 可选) – input 的乘数 ($\beta$)

• alpha (数字, 可选) – $mat1 @ mat2$ 的乘数 ($\alpha$)

• out (张量, 可选) – 输出张量。

示例

>>> M = torch.randn(2, 3)
>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.addmm(M, mat1, mat2)
tensor([[-4.8716,  1.4671, -1.3746],
        [ 0.7573, -3.9555, -2.8681]])