LawsonAbs的认知与思考，还请各位读者批判阅读。

总结
  • 文章来源：csdn：LawsonAbs
  • 持续更新~
  • 如下代码可以在我的Github库中找到。
1.点乘

点乘：就是向量的各个元素对应相乘。
比如现在我们有两个向量，a=[2,3], b=[-1,3]，则其点乘结果是：7。可以有两种方法来计算：

1.1 使用 dot()方法

注意：这里的点乘并不是我们普通理解的那个向量乘法。

a = t.tensor([2, 3])
b = t.tensor([-1,3])
print(t.dot(a,b))

1.2 使用mm()方法

mm方法适用于矩阵的乘法。我们可以将一个向量看作是一个简单的1*m的矩阵，然后执行操作即可。代码如下：

"""2.使用tensor中的mm方法做向量乘法
01.mm 计算矩阵的乘法
02.这里是将向量转为一个矩阵，然后做乘法。实现dot做点乘的效果
"""
# a = t.tensor([1,2]) 这样并不是一个矩阵！！！只是一个类似list的tensor
a = t.tensor([[1,2]]) # 是一个矩阵
b = t.tensor([[2,3]]) # 是一个矩阵
b = t.transpose(b,0,1) # 转置后才有和a进行运算
print(a.shape,b.shape) 

print(t.mm(a,b))

这里是引用

执行结果如下：

torch中向量、矩阵乘法大总结_深度学习

matmul()方法使用精解

两个tensor的矩阵乘积。乘积的结果视tensor的维度而定：

  • 如果两个的tensor都是1维的，那么点积结果（是一个标量）将会被返回
'''
matrix x vector
'''
tensor1 = t.randn(3, 4)
tensor2 = t.randn(4)
print(tensor1)
print(tensor2)
out = t.matmul(tensor1, tensor2)
print(out)
print(out.size())

torch中向量、矩阵乘法大总结_人工智能_02

torch中向量、矩阵乘法大总结_人工智能_03

  • 如果两个tensor都是2维的，那么矩阵乘积结果将会被返回
  • 如果第一个参数是1维的，第二个参数是2维的，那么为了矩阵乘法就会在第一个参数中追加一维。在矩阵乘法之后，追加的维度就会被移除。
  • 高维矩阵相乘

torch中向量、矩阵乘法大总结_python_04

torch中向量、矩阵乘法大总结_深度学习_05

torch中向量、矩阵乘法大总结_# pytorch_06

2. *号计算乘法

2.1 使用*号做广播乘法

如下图所示：a,b是两个不同维度的矩阵，直接使用*号后便做一个广播乘法，得到结果。右侧给出了计算过程。
torch中向量、矩阵乘法大总结_人工智能_07