PyTorch中torch.matmul()函数怎么使用
一、函数介绍
pytorch中两个张量的乘法可以分为两种：
两个张量对应元素相乘，在PyTorch中可以通过torch.mul函数（或*运算符）实现；
两个张量矩阵相乘，在PyTorch中可以通过torch.matmul函数实现；
torch.matmul(input, other) → Tensor
计算两个张量input和other的矩阵乘积
【注意】：matmul函数没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作。
二、常见用法
torch.matmul()也是一种类似于矩阵相乘操作的tensor连乘操作。但是它可以利用python中的广播机制，处理一些维度不同的tensor结构进行相乘操作。这也是该函数与torch.bmm()区别所在。
2.1 两个一维向量的乘积运算
若两个tensor都是一维的，则返回两个向量的点积运算结果：
import torch x = torch.tensor([1,2]) y = torch.tensor([3,4]) print(x,y) print(torch.matmul(x,y),torch.matmul(x,y).size())
运行结果：
tensor([1, 2]) tensor([3, 4])
tensor(11) torch.Size([])
2.2 两个二维矩阵的乘积运算
若两个tensor都是二维的，则返回两个矩阵的矩阵相乘结果：
import torch x = torch.tensor([[1,2],[3,4]]) y = torch.tensor([[5,6,7],[8,9,10]]) print(torch.matmul(x,y),torch.matmul(x,y).size())
运行结果：
tensor([[21, 24, 27],[47, 54, 61]]) torch.Size([2, 3])
2.3 一个一维向量和一个二维矩阵的乘积运算
若input为一维，other为二维，则先将input的一维向量扩充到二维（维数前面插入长度为1的新维度），然后进行矩阵乘积，得到结果后再将此维度去掉，得到的与input的维度相同。
import torch x = torch.tensor([1,2]) y = torch.tensor([[5,6,7],[8,9,10]]) print(torch.matmul(x,y),torch.matmul(x,y).size())
运行结果：
tensor([21, 24, 27]) torch.Size([3])
【分析】：首先将x维度从(2)扩充为(,2)，然后将x(,2) 与y(2,3)进行相乘，得到(,3)，最后去掉一维部分，得到(3)
2.4 一个二维矩阵和一个一维向量的乘积运算
若input为二维，other为一维，则先将other的一维向量扩充到二维（维数后面插入长度为1的新维度），然后进行矩阵乘积，得到结果后再将此维度去掉，得到的与other的维度相同。
import torch x = torch.tensor([[1,2,3],[4,5,6]]) y = torch.tensor([7,8,9]) print(torch.matmul(x,y),'n',torch.matmul(x,y).size())
运行结果：
tensor([ 50, 122])
torch.Size([2])
【分析】：首先y维度从(3)扩充为(3,)，然后将x(2,3)与x(2,)进行相乘，得到(2,)，最后去掉一维部分，得到(2)
【总结】：2.3和2.4基本类似，唯一不同的是2.3中一维向量和二维矩阵的乘积运算需要在一维向量前面插入长度为1的新维度（x为一维向量，y为二维矩阵）；2.4中二维矩阵和一维向量的乘积运算需要在一维向量后面插入长度为1的新维度（x为二维矩阵，y为一维向量）。