torch.addmm

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

对矩阵 mat1 和 mat2 进行矩阵乘法运算。 矩阵 input 被添加到最终结果中。

如果 mat1 是一个 $(n \times m)$ 张量，mat2 是一个 $(m \times p)$ 张量，那么 input 必须 可广播 与一个 $(n \times p)$ 张量 并且 out 将是一个 $(n \times p)$ 张量。

alpha 和 beta 是矩阵向量积之间的缩放因子 mat1 和 mat2 以及添加的矩阵 input 分别。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat1}_i \mathbin{@} \text{mat2}_i)$$

如果 beta 为 0，则 input 将被忽略，并且其中的 nan 和 inf 将不会传播。

对于类型为 FloatTensor 或 DoubleTensor 的输入，参数 beta 和 alpha 必须是实数，否则它们应该是整数。

此操作支持带有稀疏布局的参数。如果 input是稀疏的，结果将具有相同的布局，如果提供了out，它必须与input具有相同的布局。

警告

稀疏支持是一个测试版功能，某些布局/数据类型/设备组合可能不受支持，或者可能没有自动微分支持。如果您发现缺少功能，请提交功能请求。

此操作符支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将在反向传播中使用 不同的精度。

Parameters

• 输入 (张量) – 要被添加的矩阵

• mat1 (张量) – 第一个要进行矩阵乘法的矩阵

• mat2 (张量) – 要进行矩阵乘法的第二个矩阵

Keyword Arguments

• beta (数字, 可选) – input 的乘数 ($\beta$)

• alpha (数字, 可选) – $mat1 @ mat2$ 的乘数 ($\alpha$)

• 输出 (张量, 可选) – 输出张量。

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]])