torch.addbmm

torch.addbmm(input, batch1, batch2, *, beta=1, alpha=1, out=None) → Tensor

執行儲存在 batch1 和 batch2 中的矩陣的批次矩陣-矩陣乘積，並進行簡化的加法步驟（所有矩陣乘法都沿著第一個維度累加）。 input 會被加到最終結果。

batch1 和 batch2 必須是 3 維張量，且每個張量都包含相同數量的矩陣。

如果 batch1 是一個 $(b \times n \times m)$ 張量，batch2 是一個 $(b \times m \times p)$ 張量，input 必須可以與 broadcastable 的 $(n \times p)$ 張量進行廣播，並且 out 將會是一個 $(n \times p)$ 張量。

$$out = \beta\ \text{input} + \alpha\ (\sum_{i=0}^{b-1} \text{batch1}_i \mathbin{@} \text{batch2}_i)$$

如果 beta 是 0，那麼 input 將會被忽略，並且其中的 nan 和 inf 不會被傳播。

對於 FloatTensor 或 DoubleTensor 類型的輸入，參數 beta 和 alpha 必須是實數，否則它們應該是整數。

此運算子支援 TensorFloat32。

在某些 ROCm 裝置上，當使用 float16 輸入時，此模組將對 backward 使用 不同的精度。

參數

• batch1 (Tensor) – 要相乘的第一批矩陣

• batch2 (Tensor) – 要相乘的第二批矩陣

關鍵字參數

• beta (Number, optional) – 用於 input 的乘數 ($\beta$) (數字, 可選)

• input (Tensor) – 要加入的矩陣

• alpha (Number, optional) – 用於 batch1 @ batch2 的乘數 ($\alpha$) (數字, 可選)

• out (Tensor, optional) – 輸出 tensor。(Tensor, 可選)

範例

>>> M = torch.randn(3, 5)
>>> batch1 = torch.randn(10, 3, 4)
>>> batch2 = torch.randn(10, 4, 5)
>>> torch.addbmm(M, batch1, batch2)
tensor([[  6.6311,   0.0503,   6.9768, -12.0362,  -2.1653],
        [ -4.8185,  -1.4255,  -6.6760,   8.9453,   2.5743],
        [ -3.8202,   4.3691,   1.0943,  -1.1109,   5.4730]])