这篇博客详细介绍了PyTorch中torch.mul、torch.mm、torch.bmm和torch.matmul四个矩阵乘法函数的区别。torch.mm仅适用于二维矩阵乘法，torch.bmm用于处理批量三维矩阵，而torch.matmul则支持高维张量的乘法操作，包括广播机制。理解这些函数的不同可以帮助优化和精确地在PyTorch中实现各种计算任务。
torch.mul、torch.mm、torch.bmm、torch.matmul的区别
torch.matmul()用法介绍
结论
从官方文档可以看出,
- mm只能进行矩阵乘法,也就是输入的两个tensor维度只能是 ( n × m ) 和 ( m × p ) ( n × m ) 和( m × p ) (n×m)和(m×p)
- bmm是两个三维张量相乘, 两个输入tensor维度是 ( b × n × m ) 和 ( b × m × p ) (b×n×m) 和(b×m×p) (b×n×m)和(b×m×p), 第一维b代表batch size，输出为 ( b × n × p ) (b×n×p) (b×n×p)
- matmul可以进行张量乘法, 输入可以是高维.
总结
对位相乘用torch.mul，二维矩阵乘法用torch.mm，batch三维矩阵用torch.bmm，batch、广播、任意维矩阵用torch.matmul
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
