基于python及pytorch中乘法的使用详解

numpy中的乘法A=np.array([[1,2,3],[2,3,4]])B=np.array([[1,0,1],[2,1,-1]])C=np.array([[1,0],[0,1],[-1,0]])A*B:#对应

numpy中的乘法

A = np.array([[1, 2, 3], [2, 3, 4]])
B = np.array([[1, 0, 1], [2, 1, -1]])
C = np.array([[1, 0], [0, 1], [-1, 0]])
 
A * B : # 对应位置相乘
np.array([[ 1, 0, 3], [ 4, 3, -4]]) 
 
A.dot(B) : # 矩阵乘法 
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)
 
A.dot(C) : # 矩阵乘法 | < -- > np.dot(A, C)
np.array([[-2, 2],[-2, 3]])

总结 ： 在numpy中，*表示为两个数组对应位置相乘； dot表示两个数组进行矩阵乘法

pytorch中的乘法

A = torch.tensor([[1, 2, 3], [2, 3, 4]])
B = torch.tensor([[1, 0, 1], [2, 1, -1]])
C = torch.tensor([[1, 0], [0, 1], [-1, 0]])
 
# 矩阵乘法
torch.mm(mat1, mat2, out=None) <--> torch.matmul(mat1, mat2, out=None)
eg : 
 torch.mm(A, B) : RuntimeError: size mismatch, m1: [2 x 3], m2: [2 x 3]
 torch.mm(A, C) : tensor([[-2, 2], [-2, 3]])
 torch.matmul(A, C) : tensor([[-2, 2], [-2, 3]])
 
# 点乘
torch.mul(mat1, mat2, out=None)
 
eg :
 torch.mul(A, B) : tensor([[ 1, 0, 3], [ 4, 3, -4]])
 torch.mul(A, C) : RuntimeError: The size of tensor a (3) must match the size of tensor b (2) at non-singleton dimension 1

总结 ： 在pytorch中，mul表示为两个数组对应位置相乘； mm和matmul表示两个数组进行矩阵乘法

以上这篇基于python及pytorch中乘法的使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。