pytorch matmul 高维乘法解读

最新推荐文章于 2025-04-02 21:23:25 发布

宋老板的笔记

最新推荐文章于 2025-04-02 21:23:25 发布

阅读量1.2k

点赞数

分类专栏：机器&深度初识文章标签：算法线性代数深度学习 oracle 比特币

本文链接：https://blog.youkuaiyun.com/weixin_41684423/article/details/117340005

版权

机器&深度初识专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了在二维以上维度中，如何使用PyTorch库进行张量（tensor）的matmul运算。以（2，3，2）和（2，2，2）张量为例，解释了当第一维相同时，如何按位置进行矩阵乘法。并讨论了第一维不同时的两种特殊情况：1) 一维为1时，张量的内部矩阵与另一张量的矩阵逐个相乘；2) 两维均不为1时导致的错误。通过实例展示了张量乘法的实现和结果解析，帮助理解高维张量操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二维情况下两个tensor matmul就是矩阵乘法，但是当高维的情况呢？

构建（2，3，2）tensor 和（2，2，2）tensor 进行相乘

>>> d
tensor([[[ 0.,  1.],
         [ 2.,  3.],
         [ 4.,  5.]],

        [[ 6.,  7.],
         [ 8.,  9.],
         [10., 11.]]])


>>> e
tensor([[[0., 1.],
         [2., 3.]],

        [[4., 5.],
         [6., 7.]]])


>>> f=torch.matmul(d,e)
>>> f
tensor([[[  2.,   3.],
         [  6.,  11.],
         [ 10.,  19.]],

        [[ 66.,  79.],
         [ 86., 103.],
         [106., 127.]]])

在第一维上，两个tensor对应位置的矩阵相乘。

这是两个tensor第一维相同的情况，如果第一维不相同的话，分成两种情况

1.两个tensor 有某个tensor第一维为1，那么就是用这个tensor的里面的后两维组成的矩阵和另外一个tensor的第一维里面的两个矩阵分别相乘

2.两个tensor里面没有某个tensor 第一维为1，出错。