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)notaligned:3(dim1)!=2(dim0) 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:sizemismatch,m1:[2x3],m2:[2x3] 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:Thesizeoftensora(3)mustmatchthesizeoftensorb(2)atnon-singletondimension1
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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。