【Torch API】pytorch中的torch.mm()，torch.bmm(),torch.matmul() 函数详解

最新推荐文章于 2025-06-28 15:59:20 发布
转载 最新推荐文章于 2025-06-28 15:59:20 发布 · 512 阅读 · 2 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/leo_95/article/details/89946318
文章标签：

#pytorch

本文介绍了PyTorch中的三个矩阵乘法函数：mm仅支持二维张量的矩阵乘法，bmm用于处理三维张量的批量矩阵乘法，而matmul则能处理更高维度的张量乘法。这三个函数主要区别在于输入张量的维度和处理的batchsize。

先看下官网上对这三个函数的介绍。

matmul

mm

bmm

顾名思义, 就是两个batch矩阵乘法.

结论

从官方文档可以看出,

  • mm只能进行矩阵乘法,也就是输入的两个tensor维度只能是和

  • bmm是两个三维张量相乘, 两个输入tensor维度是和,第一维b代表batch size, 输出为

  • matmul可以进行张量乘法, 输入可以是高维.

Pytorch中张量矩阵乘法函数(mm, bmm, matmul)使用说明，含高维张量实例及运行结果
qq_39407949的博客
09-14 1万+
input(Tensor) – – 第一个要相乘的矩阵** mat2* (Tensor) – – 第二个要相乘的矩阵不支持广播到通用形状、类型推广以及整数、浮点和复杂输入。input(Tensor) – – 第一批要相乘的矩阵** mat2* (Tensor) – – 第二批要相乘的矩阵不支持广播到通用形状、类型推广以及整数、浮点和复杂输入。input(Tensor) – – 第一个要相乘的张量** mat2* (Tensor) – – 第二个要相乘的张量支持。
【pytorch】torch.mm，torch.bmm以及torch.matmul的使用
安安爸Chris的专栏
08-19 3万+
torch.mm torch.mm是两个矩阵相乘，即两个二维的张量相乘 如下面的例子 mat1 = torch.randn(2,3) print("mat1=", mat1) mat2 = torch.randn(3,2) print("mat2=", mat2) mat3 = torch.mm(mat1, mat2) print("mat3=", mat3) 但是如果维度超过二维，则会报错。RuntimeError: self must be a matrix torch.bmm 它其实就是加了一
Pytorch教程之torch.mm、torch.bmm、torch.matmul、masked_fill
weixin_45671036的博客
03-28 2378
这几天正在看NLP中的注意力机制，代码中涉及到了一些关于张量矩阵乘法和填充一些代码，这里积累一下。主要参考了pytorch2.0的官方文档。
torch.bmm() 与 torch.matmul()
越努力 越幸运
01-07 4万+
torch.bmm() torch.matmul() torch.bmm()强制规定维度和大小相同 torch.matmul()没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作 当进行操作的两个tensor都是3D时，两者等同。 torch.bmm() 官网：https://pytorch.org/docs/stable/torch.html#torch.bmm t...
torch.matmul和torch.mm和*区别
Lison_Zhu's Blog
11-26 3363
torch.matmul和*
详解torch.mul、torch.mm、torch.bmm、torch.matmul
最新发布
qq_51709869的博客
06-28 1550
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 torch.matmul函数介绍
qq_27390023的博客
09-07 1280
是 PyTorch 中用于进行矩阵乘法的函数。它可以执行两维矩阵、向量和更高维张量之间的乘法运算，支持的运算取决于输入张量的维度。
torch.matmul和torch.bmm区别
taoqick的专栏
01-25 1050
用torch.bmm也可以实现self_attention，参考。
torch.mm、torch.bmm、torch.matmul
@bangbang的博客
11-22 778
torch.matmul 是更通用的矩阵乘法操作，它支持多维张量，并能够自动广播。适用场景: 当需要对多个矩阵进行批量乘法时使用。根据输入维度和操作需求，选择合适的矩阵乘法函数！，即一批二维矩阵之间的矩阵乘法。
torch.bmm()和torch.matmul()函数的用法和区别，矩阵相乘
weixin_43918046的博客
10-04 5506
torch.bmm()和torch.matmul()都是矩阵乘法的运算函数，区别是，torch.matmul更强大。 两者都可以支持3维的矩阵运算，实际是第一维只是找下标，后面2维才是矩阵，然后对应做矩阵乘法。 import torch x = torch.rand(2,3,2) y = torch.rand(2,2,4) print('矩阵x:',x) print('矩阵y:',y) print('matmul运算：') print(torch.matmul(x,y)) print('bmm运算：')
pytorch的mm()函数
Vertira的博客
06-29 2254
pytorch的mm()函数
【笔记】【Pytorch】关于torch.matmul和torch.bmm的输出tensor数值不一致问题
Laox1ao的博客
01-25 2万+
发现 对于torch.matmul和torch.bmm，都能实现对于batch的矩阵乘法： a = torch.rand((2,3,10)) b = torch.rand((2,2,10)) ### matmal() res1 = torch.matmul(a,b.transpose(1,2)) print res1 """ ... [torch.FloatTensor of size
【Pytorch】进阶学习：实现矩阵乘法---torch.mul() 、 torch.mm() 和torch.matmul()的区别
m0_58477260的博客
04-15 3481
总结一下，torch.mm()和这三个函数的主要区别在于它们处理张量的方式和维度要求不同。执行的是元素级别的乘法，要求输入张量形状相同；torch.mm()执行的是标准的矩阵乘法，只适用于二维张量；而则提供了更广义的矩阵乘法，可以处理任意维度的张量，包括批量矩阵乘法。确保输入张量的形状符合函数的要求，否则可能会引发错误。对于矩阵乘法，需要注意矩阵的维度匹配问题，即第一个矩阵的列数必须等于第二个矩阵的行数。在进行批量矩阵乘法时，使用可以方便地处理多个矩阵的乘法运算。
详解torch.dot()、torch.outer()、torch.mul()、torch.mm()和torch.matmul()等函数使用技巧
li1784506的博客
03-24 8768
torch.matmul()函数可以用于1维向量×1维向量，1维向量×2维矩阵，2维矩阵×1维向量，矩阵相乘等不同情况。现将相关案例进行介绍方便日后回顾。
torch.mul、torch.mm、torch.bmm、torch.matmul的区别
给时光以生命
02-05 1万+
torch.mul、torch.mm、torch.bmm、torch.matmul的区别
tensorflow和pytorch的对应函数。
wangmengmeng99的博客
04-18 3582
tf.math.square ---------- torch.pow tf.reduce_sum() ---------torch.sum tf.boolean_mask ----------torch.masked_select（必须是bool值） tf.reduce_mean() ---------torch.mean tf.cast() ---------- x.type() or x.to() tf.stack() ------------ torch.stack() 在用pyto..
pytorch matmul和mm和bmm区别
Leokb24的博客
05-08 2万+
结论 从官方文档可以看出, mm只能进行矩阵乘法,也就是输入的两个tensor维度只能是(n×m)(n\times m)(n×m)和(m×p)(m\times p)(m×p), 而matmul可以进行张量乘法, 输入可以是高维. ...
pytorch:torch.mm()和torch.matmul()
大雄没有叮当猫的博客
09-11 6万+
微信公众号:数据挖掘和分析学习 torch.mm(mat1, mat2, out=None) → Tensor torch.matmul(mat1, mat2, out=None) → Tensor 对矩阵mat1和mat2进行相乘。 如果mat1 是一个n×m张量，mat2 是一个 m×p 张量，将会输出一个 n×p 张量out。 参数 ： mat1 (Tensor) – 第一个相乘矩...
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, ......
`torch.matmul`与`torch.bmm`的区别是什么？
05-31
### PyTorch中`torch.matmul`与`torch.bmm`的区别及使用场景 #### 区别 1. **支持的张量维度**： - `torch.matmul`支持一维、二维以及更高维度的张量乘法。对于高维张量，它会将最高维度视为批量维度，并在剩余...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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