文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.mint.addmv

mindspore.mint.addmv(input, mat, vec, *, beta=1, alpha=1)

mat 和 vec 矩阵向量相乘，且将输入向量 input 加到最终结果中。

如果 mat 是一个大小为 $(N,M)$ Tensor， vec 是一个大小为 $M$ 的一维Tensor，那么 input 必须可广播到一个大小为 $N$ 的一维Tensor。这种情况下 output 是一个大小为 $N$ 的一维Tensor。

$$output=\beta input+\alpha (mat@vec)$$

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 被加的向量。

• mat (Tensor) - 第一个需要相乘的Tensor。

• vec (Tensor) - 第二个需要相乘的Tensor。

关键字参数：

• beta (Union[float, int], 可选) - 输入的系数。默认值： 1 。

• alpha (Union[float, int]，可选) - $mat@vec$ 的系数。默认值： 1 。

返回：

Tensor，shape大小为 $(N,)$ ，其数据类型与 input 相同。

异常：

• TypeError - input 、 mat 或 vec 不是Tensor。

• TypeError - mat 和 vec 数据类型不一致。

• ValueError - mat 不是二维Tensor。

• ValueError - vec 不是一维Tensor。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.array([2., 3.]).astype(np.float32))
>>> mat = Tensor(np.array([[2., 5., 3.], [4., 2., 2.]]).astype(np.float32))
>>> vec = Tensor(np.array([3., 2., 4.]).astype(np.float32))
>>> output = mint.addmv(input, mat, vec)
>>> print(output)
[30. 27.]