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) not aligned: 3 (dim 1) != 2 (dim 0) 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: size mismatch, m1: [2 x 3], m2: [2 x 3] 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: The size of tensor a (3) must match the size of tensor b (2) at non-singleton dimension 1
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亿速云。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
