快捷方式

torch.addmm

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

执行矩阵 mat1mat2 的矩阵乘法。矩阵 input 将添加到最终结果中。

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

alphabeta 分别是 mat1mat2 之间矩阵向量积以及添加的矩阵 input 的缩放因子。

out=β input+α (mat1i@mat2i)\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 naninf 不会传播。

对于类型为 FloatTensorDoubleTensor 的输入,参数 betaalpha 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 (β\beta)

  • alpha (数字, 可选) – mat1@mat2mat1 @ mat2 的乘数 (α\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]])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源