在numpy中,我可以做如下简单的矩阵乘法:
a = numpy.arange(2*3).reshape(3,2)
b = numpy.arange(2).reshape(2,1)
print(a)
print(b)
print(a.dot(b))
但是,当我尝试使用PyTorch张量时,这不起作用:
a = torch.Tensor([[1, 2, 3], [1, 2, 3]]).view(-1, 2)
b = torch.Tensor([[2, 1]]).view(2, -1)
print(a)
print(a.size())
print(b)
print(b.size())
print(torch.dot(a, b))
此代码引发以下错误:
RuntimeError: inconsistent tensor size at /Users/soumith/code/builder/wheel/pytorch-src/torch/lib/TH/generic/THTensorMath.c:503
你知道怎样在PyTorch中进行矩阵乘法吗?
使用
torch.mm(a, b)
或torch.matmul(a, b)
两者都是一样的。
还有一个可能是好消息。 那是
@
运算符。@西蒙H三个结果相同。
相关链接:
Matrix multiplication operator
PEP 465 -- A dedicated infix operator for matrix multiplication
如果你想做一个矩阵(秩2张量)乘法,你可以用四种等效的方法来做:
有一些微妙之处。从PyTorch documentation:
例如,不能用
torch.mm
乘两个一维向量,也不能乘成批矩阵(秩3)。为此,您应该使用更通用的torch.matmul
。有关torch.matmul
的广播行为的详细列表,请参见documentation。对于元素乘法,您可以简单地执行(如果A和B具有相同的形状)
你在找
注意
torch.dot()
的行为与np.dot()
不同。有人讨论过什么是理想的here。具体地说,torch.dot()
将a
和b
视为一维向量(与它们的原始形状无关),并计算它们的内积。这个错误被抛出,因为这个行为使您的a
成为长度为6的向量,而您的b
成为长度为2的向量;因此无法计算它们的内积。对于PyTorch中的矩阵乘法,使用torch.mm()
。相比之下,Numpy的np.dot()
更加灵活;它计算1D数组的内积,并对2D数组执行矩阵乘法。根据流行的需求,如果两个参数都是
2D
,则函数torch.matmul
执行矩阵乘法,如果两个参数都是1D
,则计算它们的点积。对于此类维度的输入,其行为与np.dot
相同。它还允许您分批执行广播或matrix x matrix
、matrix x vector
和vector x vector
操作。有关详细信息,请参见其docs。相关问题 更多 >
编程相关推荐