torch.addmm

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

執行矩陣 mat1 和 mat2 的矩陣乘法。矩陣 input 被新增到最終結果中。

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 可廣播 到一個 $(n \times p)$ 張量，並且 out 將是一個 $(n \times p)$ 張量。

alpha 和 beta 分別是 mat1 和 mat2 之間矩陣-向量乘積以及新增的矩陣 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 的內容將被忽略，並且其中的 nan 和 inf 不會被傳播。

對於 FloatTensor 或 DoubleTensor 型別的輸入，引數 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 的引數。如果 input 是稀疏的，則結果將具有相同的佈局；如果提供了 out，則它必須與 input 具有相同的佈局。

警告

稀疏支援是測試版功能，某些佈局/資料型別/裝置組合可能不支援，或可能不支援自動求導。如果您發現缺少功能，請提交功能請求。

此運算子支援TensorFloat32。

在某些 ROCm 裝置上，當使用 float16 輸入時，此模組將對反向傳播使用不同精度。

引數

• input (Tensor) – 要新增的矩陣

• mat1 (Tensor) – 要進行矩陣乘法的第一個矩陣

• mat2 (Tensor) – 要進行矩陣乘法的第二個矩陣

• out_dtype (dtype, optional) – 輸出張量的資料型別。僅在 CUDA 上支援，並且當輸入資料型別為 torch.float16/torch.bfloat16 時，支援 torch.float32。

關鍵字引數

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

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

• out (Tensor, optional) – 輸出張量。

示例

>>> 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]])