如何在PyTorch中做矩阵乘积

在numpy中，我可以像这样做一个简单的矩阵乘法：

a = numpy.arange(2*3).reshape(3,2)
b = numpy.arange(2).reshape(2,1)
print(a)
print(b)
print(a.dot(b))

但是，当我使用PyTorch Tensors尝试此操作时，这不起作用：

a = torch.Tensor([[1, 2, 3], [1, 2, 3]]).view(-1, 2)
b = torch.Tensor([[2, 1]]).view(2, -1)
print(a)
print(a.size())

print(b)
print(b.size())

print(torch.dot(a, b))

此代码引发以下错误：

RuntimeError：/Users/soumith/code/builder/wheel/pytorch-src/torch/lib/TH/generic/THTensorMath.c:503上的张量大小不一致

有什么想法可以在PyTorch中进行矩阵乘法吗？

您正在寻找

torch.mm(a,b)

请注意，torch.dot()其行为与有所不同np.dot()。关于这里需要什么已经有一些讨论。具体来说，torch.dot()将a和都b视为1D向量（与它们的原始形状无关）并计算其内积。引发错误，因为此行为使您a的长度为6b的向量和长度为2的向量；因此无法计算其内积。对于PyTorch中的矩阵乘法，请使用torch.mm()。np.dot()相比之下，Numpy更灵活；它计算1D数组的内积，并对2D数组执行矩阵乘法。

根据普遍需求，torch.matmul如果两个参数均为，则函数执行矩阵乘法，如果两个参数均为，则函数2D计算其点积1D。对于此类尺寸的输入，其行为与相同np.dot。它还使您可以批量广播或matrix x matrix，matrix x vector以及vector x vector进行批量操作。有关更多信息，请参阅其文档。

# 1D inputs, same as torch.dot
a = torch.rand(n)
b = torch.rand(n)
torch.matmul(a, b) # torch.Size([])

# 2D inputs, same as torch.mm
a = torch.rand(m, k)
b = torch.rand(k, j)
torch.matmul(a, b) # torch.Size([m, j])

如果要进行矩阵（2级张量）相乘，可以用四种等效的方式进行：

AB = A.mm(B) # computes A.B (matrix multiplication)
# or
AB = torch.mm(A, B)
# or
AB = torch.matmul(A, B)
# or, even simpler
AB = A @ B # Python 3.5+

有一些细微之处。从PyTorch文档中：

torch.mm不广播。有关广播矩阵产品，请参见torch.matmul（）。

例如，您不能将两个一维向量与torch.mm相乘，也不能与批处理矩阵相乘（等级3）。为此，您应该使用功能更广泛的torch.matmul。有关广播行为的详细列表torch.matmul，请参阅文档。

对于逐元素乘法，您可以简单地做（如果A和B具有相同的形状）

A * B # element-wise matrix multiplication (Hadamard product)

用途torch.mm(a, b)或torch.matmul(a, b)
两者相同。

>>> torch.mm
<built-in method mm of type object at 0x11712a870>
>>> torch.matmul
<built-in method matmul of type object at 0x11712a870>

还有另一种可能很了解的选项。那是@操作员。@西蒙·H。

>>> a = torch.randn(2, 3)
>>> b = torch.randn(3, 4)
>>> a@b
tensor([[ 0.6176, -0.6743,  0.5989, -0.1390],
        [ 0.8699, -0.3445,  1.4122, -0.5826]])
>>> a.mm(b)
tensor([[ 0.6176, -0.6743,  0.5989, -0.1390],
        [ 0.8699, -0.3445,  1.4122, -0.5826]])
>>> a.matmul(b)
tensor([[ 0.6176, -0.6743,  0.5989, -0.1390],
        [ 0.8699, -0.3445,  1.4122, -0.5826]])    

这三个给出相同的结果。

相关链接：
矩阵乘法运算符
PEP 465-用于矩阵乘法的专用中缀运算符

您可以使用“ @”来计算pytorch中两个张量之间的点积。

a = torch.tensor([[1,2],
                  [3,4]])
b = torch.tensor([[5,6],
                  [7,8]])
c = a@b #For dot product
c

d = a*b #For elementwise multiplication 
d