[Pytorch]：PyTorch中张量乘法大全
在 PyTorch 中，有多种方法可以执行张量之间的乘法。这里列出了一些常见的乘法操作：
总结：
- 逐元素乘法：
*ortorch.mul()- 矩阵乘法：
@ortorch.mm()ortorch.matmul()- 点积：
torch.Tensor.dot()- 批量矩阵乘法：
torch.bmm()或torch.matmul()- 矩阵与向量相乘：
torch.mv(X, w0)
-
逐元素乘法（Element-wise multiplication）：
*ortorch.mul()()`对应位置的元素相乘，输入张量形状必须相同或可广播。import torchA = torch.tensor([[1, 2], [3, 4]]) B = torch.tensor([[2, 3], [4, 5]])result = A * B print(result)输出：
tensor([[ 2, 6],[12, 20]]) -
矩阵乘法：
@ortorch.mm()ortorch.matmul()两个矩阵相乘，第一个矩阵的列数必须等于第二个矩阵的行数。import torchA = torch.tensor([[1, 2], [3, 4]]) B = torch.tensor([[2, 3], [4, 5]])result = torch.matmul(A, B) print(result)输出：
tensor([[10, 13],[22, 29]])或者使用
@运算符执行矩阵乘法：result = A @ B print(result) -
点积（Dot product）：
torch.Tensor.dot()两个一维张量的点积。import torchA = torch.tensor([1, 2, 3]) B = torch.tensor([4, 5, 6])result = torch.dot(A, B) print(result)输出：
tensor(32) -
批量矩阵乘法：对于具有更高维度的张量（点积），可以使用
torch.bmm()或torch.matmul()进行批量矩阵乘法。import torchA = torch.tensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) B = torch.tensor([[[2, 3], [4, 5]], [[6, 7], [8, 9]]])result = torch.bmm(A, B) print(result)输出：
tensor([[[ 10, 13],[ 22, 29]],[[ 76, 91],[112, 133]]])
两个输入张量的 batch_size 必须相同。此外，第一个输入张量的 num_columns 必须与第二个输入张量的 num_rows 相同。换句话说，输入张量的形状应为 (batch_size, num_rows_A, num_columns_A) 和 (batch_size, num_columns_A, num_columns_B)。
- 矩阵与向量相乘：
torch.mv(X, w0)第一个参数是矩阵，第二个参数只能是一维向量,等价于X乘以w0的转置