mindspore.mint.baddbmm

查看源文件
mindspore.mint.baddbmm(input, batch1, batch2, *, beta=1, alpha=1)[源代码]

对输入的两个三维矩阵batch1与batch2相乘,并将结果与input相加。 计算公式定义如下:

\[\text{out}_{i} = \beta \text{input}_{i} + \alpha (\text{batch1}_{i} \mathbin{@} \text{batch2}_{i})\]
参数:
  • input (Tensor) - 输入Tensor,当batch1是 \((C, W, T)\) 的Tensor而且batch2是一个 \((C, T, H)\) 的Tensor时,输入必须为可以被广播为 \((C, W, H)\) 形状的Tensor。

  • batch1 (Tensor) - 公式中的 \(batch1\) 。必须为3-D的Tensor,类型与 input 一致。

  • batch2 (Tensor) - 公式中的 \(batch2\) 。必须为3-D的Tensor,类型与 input 一致。

关键字参数:
  • beta (Union[float, int], 可选) - 输入的乘数。默认值: 1

  • alpha (Union[float, int],可选) - \(batch1 @ batch2\) 的系数,默认值: 1

返回:

Tensor,其数据类型与 input 相同,维度为 \((C, W, H)\)

异常:
  • TypeError - inputbatch1batch2 的类型不是Tensor。

  • TypeError - inputbatch1batch2 数据类型不一致。

  • ValueError - batch1batch2 的不是三维Tensor。

支持平台:

Ascend

样例:

>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.ones([1, 3, 3]).astype(np.float32))
>>> batch1 = Tensor(np.ones([1, 3, 4]).astype(np.float32))
>>> batch2 = Tensor(np.ones([1, 4, 3]).astype(np.float32))
>>> output = mint.baddbmm(input, batch1, batch2)
>>> print(output)
[[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]]