torch.addmm

torch.addmm(input, mat1, mat2, *, beta=1, alpha=1, out=None) → Tensor

執行矩陣 mat1 和 mat2 的矩陣乘法。矩陣 input 會加到最終結果中。

如果 mat1 是一個 $(n \times m)$ 張量，mat2 是一個 $(m \times p)$ 張量，那麼 input 必須與 $(n \times p)$ 張量 可廣播，並且 out 將會是一個 $(n \times p)$ 張量。

alpha 和 beta 分別是 mat1 和 mat2 之間矩陣向量積以及加入的矩陣 input 的縮放因子。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat1}_i \mathbin{@} \text{mat2}_i)$$

如果 beta 為 0，則 input 將被忽略，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。

此操作支援具有稀疏佈局的參數。 如果 input 是稀疏的，則結果將具有相同的佈局，如果提供了 out，則它必須具有與 input 相同的佈局。

警告

稀疏支持是一個 beta 功能，某些佈局/dtype/裝置組合可能不被支持，或者可能沒有 autograd 支持。如果您發現缺少功能，請開啟一個功能請求。

此運算符支持 TensorFloat32。

在某些 ROCm 設備上，當使用 float16 輸入時，此模塊將使用 不同的精度 進行反向傳播。

參數

• input (Tensor) – 要相加的矩陣

• mat1 (Tensor) – 要進行矩陣相乘的第一個矩陣

• mat2 (Tensor) – 要進行矩陣相乘的第二個矩陣

關鍵字參數

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

• alpha (Number, optional) – $mat1 @ mat2$ 的乘數 ($\alpha$)

• out (Tensor, optional) – 輸出張量。

範例

>>> M = torch.randn(2, 3)
>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.addmm(M, mat1, mat2)
tensor([[-4.8716,  1.4671, -1.3746],
        [ 0.7573, -3.9555, -2.8681]])