pytorch-mul(),matmul()及torch.mm()

原创 已于 2022-01-22 20:03:35 修改 · 935 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch

于 2022-01-22 19:51:22 首次发布
本文通过一个具体的示例介绍了如何使用PyTorch进行矩阵乘法运算，并展示了如何通过.matmul()函数来实现矩阵之间的点积计算。此外，还对比了.matmul()与.dot()两种方法在不同情况下的应用。
部署运行你感兴趣的模型镜像

matmul 相当于利用广播机制的点积

true_w = torch.tensor([2,-3.4])
X = torch.normal(0,1,(2,len(true_w)))
y = torch.matmul(X,true_w)
print(X)
print(true_w)
print(y)

tensor([[-0.8593, -1.6781], [ 0.9634, -0.7398]])
tensor([ 2.0000, -3.4000])
tensor([3.9871, 4.4420])

torch.dot(X[0,],true_w)

tensor(3.9871)
和y[0]一样

参考：

torch.matmul()用法介绍

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

关于pytorch中部分矩阵乘法的总结（torch.mm,torch.mul,torch.matmul）
12-21
在PyTorch中，处理矩阵乘法有三种主要的方法：`torch.mul`, `torch.mm`, 和 `torch.matmul`。每种方法都有其特定的用法和适用场景。 1. **torch.mul**: 这个函数执行元素级乘法，也就是说，它会将输入张量`input`的...
pytorch中的各种乘法 | * @ torch.mul torch.mv torch.mm torch.dot torch.matmul
我是菜鸡
10-27 1262
那么多相乘，讲实话我到现在也没仔细梳理过，所以现在搞一下子。 文章目录按位置*数乘torch.mul矩阵向量相乘torch.mv矩阵乘法torch.mm点乘积torch.dot黑科技@ 首先声明一个向量和一个二维矩阵 import torch vec = torch.arange(4) mtx = torch.arange(12).reshape(4,3) print(vec, mtx,sep='\n') 输出结果： >> tensor([0, 1, 2, 3]) tensor([[ 0,
[Pytorch函数].mul() .mm() .matmul()
qq_41568188的博客
07-10 1672
一、点乘 点乘都是broadcast的，可以用torch.mul(a, b)实现，也可以直接用*实现。 >>> 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([
数组排序后复原
敲代码的小风
12-25 758
参考链接: pytorch技巧1: 数组排序后复原 Microsoft Windows [版本 10.0.18363.1256] (c) 2019 Microsoft Corporation。保留所有权利。 C:\Users\chenxuqi>conda activate ssd4pytorch1_2_0 (ssd4pytorch1_2_0) C:\Users\chenxuqi>python Python 3.7.7 (default, May 6 2020, 11:45:54) [MSC
torch.mul() 和 torch.mm() 的区别
热门推荐
Real_Brilliant的博客
01-04 10万+
torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵 torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵 import torch a = torch.rand(1, 2) b = torch.rand(1, ......
Pytorch基础：Torch.mul、Torch.mm与Torch.matmul的异同
qq_42388742的博客
09-25 3452
Pytorch基础：Torch.mul、Torch.mm与Torch.matmul的异同 Torch.mul torch.mul(input, other, ***, out=None) → Tensor 将输入的每个元素与另一个标量相乘，返回一个新的张量。 outi=other×inputi out_i = other \times input_i outi​=other×inputi​ input是张量， other将会乘每个张量元素。输出是张量。 如果输入是FloatTensor或DoubleTens
Pytorch 常见运算（mul、mm、dot、mv）
weixin_42010722的博客
01-05 6214
Pytorch 常见运算1.矩阵与标量2.哈达玛积（mul）3.矩阵乘法4.幂与开方5.对数运算6.近似值运算7.剪裁运算 1.矩阵与标量 矩阵（张量）每一个元素与标量进行操作。 import torch a = torch.tensor([1,2]) print(a+1) >>> tensor([2, 3]) 2.哈达玛积（mul） 两个相同尺寸的张量相乘，然后对应元素的相乘就是这个哈达玛积。 a = torch.tensor([1,2]) b = torch.tensor([2,3]
Pytorch基础：张量相关的乘法(torch.mul、torch.mv、torch.matmul、torch.mm、torch.bmm、torch.dot、torch.tensordot、*、@)
前进，才知道自己的渺小
04-16 2675
Pytorch中含有很多种张量乘法，本文旨在帮助理解它们的不同。下面将分小节进行详细阐述，包括torch.mul、torch.matmul、torch.mm、torch.bmm、torch.dot、torch.tensordot、*、@。
详解torch.mul、torch.mm、torch.bmm、torch.matmul
qq_51709869的博客
06-28 1509
对torch.mul、torch.mm、torch.bmm、torch.matmul进行了区分和讲解，同时给出了使用样例
【Pytorch学习】torch.mm()&torch.matmul()和torch.mul()以及torch.spmm()
sxl的博客
04-07 1万+
做深度学习过程中免不了使用pytorch，刚上手可能觉得pytorch是一门新语言。过一段时间之后发现其用法跟python极其相似，python的很多函数名都可以用到torch中。当然也有一些不同，毕竟张量的计算可以用GPU啊。是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵。当然，对于二维的效果等同于torch.mm（）。关于torch.matmul的详细介绍可以看。torch.matmul()的用法比torch.mm更高级，的维度必须相等，比如。
每天讲解一点PyTorch 【1】torch.matmul
计算机视觉算法、工程、产品
11-12 208
每天讲解一点PyTorch——函数torch.matmul torch.matmul 今天我们学习函数torch.matmul：Tensor的乘法 // An highlighted block >>> import torch >>> x = torch.rand(2,2) >>> x tensor([[0.7834, 0.5647], [0.2723, 0.6277]]) >>> y = torch.rand
pytorch中torch.mul() 和 torch.mm() 的区别
奔跑的小仙女
02-04 3939
torch.mul(a, b) 是矩阵a和b对应位相乘，a和b的维度必须相等。 torch.mm(a, b) 是矩阵a和b矩阵相乘 import torch a = torch.rand(1, 2) b = torch.rand(1, 2) c = torch.rand(2, 3) print(torch.mul(a, b)) # 返回 1*2 的tensor print(torch.mm(...
pytorch学习笔记torch.mul() 和 torch.mm() 的区别
m0_45388819的博客
11-21 1063
pytorch中torch.mul() 和 torch.mm() 的区别 torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵 torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵 import torch a = torch.rand(1, 2) b = torch.rand(1, 2) c = torch.rand(2,
pytorch函数mm() mul() matmul()区别
qq_35091353的博客
05-24 1万+
1、函数 1.1 作用 torch.matmul是tensor的乘法，输入可以是高维的。 2 、举例 当输入都是二维时，就是普通的矩阵乘法，和tensor.mm函数用法相同。 当输入有多维时，把多出的一维作为batch提出来，其他部分做矩阵乘法。 下面看一个两个都是3维的例子： 将b的第0维1broadcast成2提出来，后两维做矩阵乘法即可。 再看一个复杂一点的，是官网的例子： 首先把a的第0维2作为batch提出来，则a和b都可看作三维。再把a的1broadcat成5，提取公因式5。（这样
大模型-位置编码RoPE的具体实现
weixin_57128596的博客
11-24 184
【代码】大模型-位置编码RoPE的具体实现。
Windows环境下Pytorch的配置
weixin_41576682的博客
11-24 1279
参考第二篇的内容，这次选择conda路径会自动填充，环境选择创建的，点击确定，这样就创建好了。（手动将 cuDNN 的头文件和库文件解压到 CUDA Toolkit 的安装目录中。Pycharm的安装以及Anaconda环境的配置-优快云博客。Anaconda与Miniconda的安装-优快云博客。这是清华源的官网（使用其他的镜像源也是可以的）Nvidia驱动的安装-优快云博客。你可以参考我的命令（中间y就可以）cuDNN的安装-优快云博客。Cuda的安装-优快云博客。这里是过往的一些版本。
PyTorch 入门到精通学习计划
记录成长‌，知识沉淀，连接同行‌
11-24 806
摘要：这份6-12个月的PyTorch学习计划针对具有10年中间件经验的架构师设计，分为四个阶段：基础概念（1-2个月）、模型构建（2-3个月）、高级部署（2-3个月）和项目实战（2-4个月）。计划强调将中间件技能（如分布式系统、性能优化）迁移到深度学习领域，重点学习分布式训练、模型部署和高并发处理。推荐结合官方文档、在线课程和实践项目，并注重将中间件经验应用于数据管道优化、系统稳定性设计等方面。计划建议保持实践优先，持续关注PyTorch最新发展。（149字）
Python PyTorch结合FastAPI构建高性能智能客服问答系统设计与实战分享：杭州电商客服自动应答落地经验
2501_94187713的博客
11-23 580
FastAPI 异步接口 + Redis 热点缓存保证低延迟PyTorch 增量训练 + 批量推理提升模型实时性Kafka 异步消息处理支持高并发任务分布式部署 + 自动扩容保证系统高可用监控告警体系确保长期稳定运行通过该架构，杭州电商平台实现百万级用户智能问答、秒级响应和高可用服务，为用户提供流畅、高效的自动客服体验，同时降低人工成本。
PyTorch、TorchVision、TorchAudio 和 Python 的版本对应关系 (兼容性)
最新发布
程永强
11-24 66
PyTorch、TorchVision、TorchAudio 和 Python 的版本对应关系 (兼容性)
torch.mul和torch.mm的区别
05-22
torch.mul和torch.mm是PyTorch中的两个不同的函数，用于执行不同的操作。 torch.mul用于执行逐元素乘法，它接受两个张量作为输入，并返回一个新的张量，该张量包含两个输入张量逐元素相乘的结果。如果两个输入张量的形状不同，则它们必须广播为相同的形状。例如： ```python import torch a = torch.tensor([[1, 2], [3, 4]]) b = torch.tensor([[5, 6], [7, 8]]) c = torch.mul(a, b) print(c) # Output: tensor([[ 5, 12], # [21, 32]]) ``` torch.mm用于执行矩阵乘法，它接受两个矩阵作为输入，并返回它们的矩阵乘积。如果第一个矩阵的列数与第二个矩阵的行数不相等，则无法执行矩阵乘法。例如： ```python import torch a = torch.tensor([[1, 2], [3, 4]]) b = torch.tensor([[5, 6], [7, 8]]) c = torch.mm(a, b) print(c) # Output: tensor([[19, 22], # [43, 50]]) ``` 因此，torch.mul用于执行逐元素乘法，而torch.mm用于执行矩阵乘法。两者的功能是不同的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wvdon

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值