关于pytorch中部分矩阵乘法的总结（torch.mm,torch.mul,torch.matmul）

最新推荐文章于 2025-10-03 10:59:21 发布

原创

最新推荐文章于 2025-10-03 10:59:21 发布 · 2.4k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #张量 #pytorch #矩阵

本文详细介绍了PyTorch中的三个矩阵乘法操作：torch.mul主要涉及元素级乘法，支持广播机制；torch.mm对应线性代数中的矩阵乘法；torch.matmul在torch.mm基础上增加广播机制，适用于不同形状的张量，包括一维和三维情况。

一、torch.mul

该乘法可简单理解为矩阵各位相乘，一个常见的例子为向量点乘，源码定义为torch.mul（input,other,out=None）。其中other可以为一个数也可以为一个张量，other为数即张量的数乘。
该函数可触发广播机制（broadcast）。

tensor1 = 2*torch.ones(1,4)
tensor2 = 3*torch.ones(4,1)
print(torch.mul(tensor1, tensor2))
#输出结果为：
tensor([[6., 6., 6., 6.],
        [6., 6., 6., 6.],
        [6., 6., 6., 6.],
        [6., 6., 6., 6.]])

二、torch.mm

这是我们在线性代数课程中学习的矩阵乘法。该函数源码定义为torch.mm(input,mat2,out=None) ,参数与返回值均为tensor形式。

a=torch.ones(4,3)  
b=2*torch.ones(3,2)  
c=torch.empty(4,2)  
torch.mm(a,b,out=c)  
print(torch.mm(a,b))  
print( c )

#输出结果为
tensor([[6., 6.],
        [6., 6.],
        [6., 6.],
        [6., 6.]])
tensor([[6., 6.],
        [6., 6.],
        [6., 6.],
        [6., 6.]])