torch.addmv

torch.addmv(input, mat, vec, *, beta=1, alpha=1, out=None) → Tensor

執行矩陣 mat 和向量 vec 的矩陣向量乘積。向量 input 會新增至最終結果。

如果 mat 是一個 $(n \times m)$ 張量，vec 是一個大小為 m 的 1-D 張量，則 input 必須與大小為 n 的 1-D 張量 可廣播 (broadcastable)，且 out 將會是大小為 n 的 1-D 張量。

alpha 和 beta 分別是 mat 和 vec 之間的矩陣-向量乘積，以及加入的張量 input 的縮放因子。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat} \mathbin{@} \text{vec})$$

如果 beta 為 0，則 input 會被忽略，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，否則它們應為整數。

參數

• input (Tensor) – 要加入的向量

• mat (Tensor) – 要進行矩陣相乘的矩陣

• vec (Tensor) – 要進行矩陣相乘的向量

關鍵字參數

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

• alpha (Number, optional) – $mat @ vec$ 的乘數 ($\alpha$)

• out (Tensor, optional) – 輸出張量。

範例

>>> M = torch.randn(2)
>>> mat = torch.randn(2, 3)
>>> vec = torch.randn(3)
>>> torch.addmv(M, mat, vec)
tensor([-0.3768, -5.5565])