快捷方式

torch.baddbmm

torch.baddbmm(input, batch1, batch2, *, beta=1, alpha=1, out=None) Tensor

batch1batch2 中的矩阵执行批量矩阵-矩阵乘积。将 input 添加到最终结果中。

batch1batch2 必须是 3D 张量,每个张量包含相同数量的矩阵。

如果 batch1 是一个 (b×n×m)(b \times n \times m) 张量,batch2 是一个 (b×m×p)(b \times m \times p) 张量,则 input 必须与 (b×n×p)(b \times n \times p) 张量 广播out 将是一个 (b×n×p)(b \times n \times p) 张量。 alphabeta 的含义与 torch.addbmm() 中使用的缩放因子相同。

outi=β inputi+α (batch1i@batch2i)\text{out}_i = \beta\ \text{input}_i + \alpha\ (\text{batch1}_i \mathbin{@} \text{batch2}_i)

如果 beta 为 0,则 input 将被忽略,并且其中的 naninf 不会被传播。

对于 FloatTensorDoubleTensor 类型的输入,参数 betaalpha 必须是实数,否则它们应该是整数。

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 (Tensor) – 要添加的张量

  • batch1 (Tensor) – 要相乘的第一个矩阵批次

  • batch2 (Tensor) – 要相乘的第二个矩阵批次

关键字参数
  • beta (Number, optional) – input 的乘数 (β\beta)

  • alpha (Number, optional) – batch1@batch2\text{batch1} \mathbin{@} \text{batch2} 的乘数 (α\alpha)

  • out (Tensor, optional) – 输出张量。

示例

>>> M = torch.randn(10, 3, 5)
>>> batch1 = torch.randn(10, 3, 4)
>>> batch2 = torch.randn(10, 4, 5)
>>> torch.baddbmm(M, batch1, batch2).size()
torch.Size([10, 3, 5])

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向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