matmul¶

paddle. matmul ( x, y, transpose_x=False, transpose_y=False, name=None ) [源代码] ¶

并且其行为与 numpy.matmul 一致。目前，输入 Tensor 的维数可以是任意数量，matmul 可以用于 实现 dot ， matmul 和 batchmatmul。实际行为取决于输入 x 、输入 y 、 transpose_x ， transpose_y。具体如下：

• 如果 transpose 为真，则对应 Tensor 的后两维会转置。如果 Tensor 的一维，则转置无效。假定 x 是一个 shape=[D] 的一维 Tensor，则 x 视为 [1, D]。然而，y 是一个 shape=[D]的一维 Tensor，则视为[D, 1]。

乘法行为取决于 x 和 y 的尺寸。具体如下：

• 如果两个 Tensor 均为一维，则获得点积结果。

• 如果两个 Tensor 都是二维的，则获得矩阵与矩阵的乘积。

• 如果 x 是 1 维的，而 y 是 2 维的，则将 1 放在 x 维度之前，以进行矩阵乘法。矩阵相乘后，将删除前置尺寸。

• 如果 x 是 2 维的，而 y 是 1 维的，获得矩阵与向量的乘积。

• 如果两个输入至少为一维，且至少一个输入为 N 维（其中 N> 2），则将获得批矩阵乘法。如果第一个自变量是一维的，则将 1 放在其维度的前面，以便进行批量矩阵的乘法运算，然后将其删除。如果第二个参数为一维，则将 1 附加到其维度后面，以实现成批矩阵倍数的目的，然后将其删除。根据广播规则广播非矩阵维度（不包括最后两个维度）。例如，如果输入 x 是（j，1，n，m）Tensor，另一个 y 是（k，m，p）Tensor，则 out 将是（j，k，n，p）Tensor。

>>> import paddle

>>> # vector * vector
>>> x = paddle.rand([10])
>>> y = paddle.rand([10])
>>> z = paddle.matmul(x, y)
>>> print(z.shape)
[]

>>> # matrix * vector
>>> x = paddle.rand([10, 5])
>>> y = paddle.rand([5])
>>> z = paddle.matmul(x, y)
>>> print(z.shape)
[10]

>>> # batched matrix * broadcasted vector
>>> x = paddle.rand([10, 5, 2])
>>> y = paddle.rand([2])
>>> z = paddle.matmul(x, y)
>>> print(z.shape)
[10, 5]

>>> # batched matrix * batched matrix
>>> x = paddle.rand([10, 5, 2])
>>> y = paddle.rand([10, 2, 5])
>>> z = paddle.matmul(x, y)
>>> print(z.shape)
[10, 5, 5]

>>> # batched matrix * broadcasted matrix
>>> x = paddle.rand([10, 1, 5, 2])
>>> y = paddle.rand([1, 3, 2, 5])
>>> z = paddle.matmul(x, y)
>>> print(z.shape)
[10, 3, 5, 5]