pytorch中matmul和mm和bmm區別 matmulmmbmm結論
先看下官網上對這三個函數的介紹。
matmul
mm
bmm
顧名思義, 就是兩個batch矩陣乘法.
結論
從官方文檔可以看出
1、mm只能進行矩陣乘法,也就是輸入的兩個tensor維度只能是( n × m ) (n\times m)(n×m)和( m × p ) (m\times p)(m×p)
2、bmm是兩個三維張量相乘, 兩個輸入tensor維度是( b × n × m ) (b\times n\times m)(b×n×m)和( b × m × p ) (b\times m\times p)(b×m×p), 第一維b代表batch size，輸出為( b × n × p ) (b\times n \times p)(b×n×p)
3、matmul可以進行張量乘法, 輸入可以是高維.
補充：torch中的幾種乘法。torch.mm, torch.mul, torch.matmul
一、點乘
點乘都是broadcast的，可以用torch.mul(a, b)實現，也可以直接用*實現。
>>> a = torch.ones(3,4)
>>> a
tensor([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])
>>> b = torch.Tensor([1,2,3]).reshape((3,1))
>>> b
tensor([[1.],
[2.],
[3.]])
>>> torch.mul(a, b)
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
當a, b維度不一致時，會自動填充到相同維度相點乘。
二、矩陣乘
矩陣相乘有torch.mm和torch.matmul兩個函數。其中前一個是針對二維矩陣，后一個是高維。當torch.mm用于大于二維時將報錯。
>>> a = torch.ones(3,4)
>>> b = torch.ones(4,2)
>>> torch.mm(a, b)
tensor([[4., 4.],
[4., 4.],
[4., 4.]])
>>> a = torch.ones(3,4)
>>> b = torch.ones(5,4,2)
>>> torch.matmul(a, b).shape
torch.Size([5, 3, 2])
>>> a = torch.ones(5,4,2)
>>> b = torch.ones(5,2,3)
>>> torch.matmul(a, b).shape
torch.Size([5, 4, 3])
>>> a = torch.ones(5,4,2)
>>> b = torch.ones(5,2,3)
>>> torch.matmul(b, a).shape
報錯。
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- pytorch:torch.mm()和torch.matmul()的使用
- 基于python及pytorch中乘法的使用詳解
- 關于tf.matmul() 和tf.multiply() 的區別說明
