基于python及pytorch中乘法的使用詳解

發(fā)布時(shí)間：2020-08-29 09:51:08 來源：腳本之家閱讀：162 作者：_ReLU_ 欄目：開發(fā)技術(shù)

numpy中的乘法

A = np.array([[1, 2, 3], [2, 3, 4]])
B = np.array([[1, 0, 1], [2, 1, -1]])
C = np.array([[1, 0], [0, 1], [-1, 0]])
 
A * B : # 對應(yīng)位置相乘
np.array([[ 1, 0, 3], [ 4, 3, -4]]) 
 
A.dot(B) :  # 矩陣乘法 
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)
 
A.dot(C) : # 矩陣乘法  | < -- > np.dot(A, C)
np.array([[-2, 2],[-2, 3]])

總結(jié) ： 在numpy中，*表示為兩個(gè)數(shù)組對應(yīng)位置相乘； dot表示兩個(gè)數(shù)組進(jìn)行矩陣乘法

pytorch中的乘法

A = torch.tensor([[1, 2, 3], [2, 3, 4]])
B = torch.tensor([[1, 0, 1], [2, 1, -1]])
C = torch.tensor([[1, 0], [0, 1], [-1, 0]])
 
# 矩陣乘法
torch.mm(mat1, mat2, out=None) <--> torch.matmul(mat1, mat2, out=None)
eg : 
  torch.mm(A, B)   : RuntimeError: size mismatch, m1: [2 x 3], m2: [2 x 3]
  torch.mm(A, C)   : tensor([[-2, 2], [-2, 3]])
  torch.matmul(A, C) : tensor([[-2, 2], [-2, 3]])
 
# 點(diǎn)乘
torch.mul(mat1, mat2, out=None)
 
eg :
  torch.mul(A, B) : tensor([[ 1, 0, 3], [ 4, 3, -4]])
  torch.mul(A, C) : RuntimeError: The size of tensor a (3) must match the size of tensor b (2) at non-singleton dimension 1

總結(jié) ： 在pytorch中，mul表示為兩個(gè)數(shù)組對應(yīng)位置相乘； mm和matmul表示兩個(gè)數(shù)組進(jìn)行矩陣乘法

以上這篇基于python及pytorch中乘法的使用詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持億速云。

向AI問一下細(xì)節(jié)

基于python及pytorch中乘法的使用詳解

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽