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。

mindspore.ops.BatchMatMul

查看源文件
class mindspore.ops.BatchMatMul(transpose_a=False, transpose_b=False)[源代码]

基于batch维度的两个Tensor的矩阵乘法。

output[...,:,:]=matrix(x[...,:,:])matrix(y[...,:,:])

两个输入Tensor的秩必须不小于 2,如果是GPU或者CPU环境,两个输入Tensor必须具有相同的秩。

参数:
  • transpose_a (bool,可选) - 如果为 True ,则在乘法之前转置 x 的最后两个维度。默认值: False

  • transpose_b (bool,可选) - 如果为 True ,则在乘法之前转置 y 的最后两个维度。默认值: False

输入:
  • x (Tensor) - 输入相乘的第一个Tensor,其shape为 (B,N,C) ,其中 B 表示批处理大小,可以是多维度, NC 是最后两个维度的大小。如果 transpose_a 为True,则其shape必须为 (B,C,N)

  • y (Tensor) - 输入相乘的第二个Tensor,其shape为 (B,C,M) 。如果 transpose_b 为True,则其shape必须为 (B,M,C)

输出:

Tensor,输出Tensor的shape为 (B,N,M)

异常:
  • TypeError - transpose_atranspose_b 不是bool。

  • ValueError - x 的shape长度不等于 y 的shape长度或输入的shape长度小于2。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.ones(shape=[2, 4, 1, 3]), mindspore.float32)
>>> y = Tensor(np.ones(shape=[2, 4, 3, 4]), mindspore.float32)
>>> batmatmul = ops.BatchMatMul()
>>> output = batmatmul(x, y)
>>> print(output.shape)
(2, 4, 1, 4)
>>> x = Tensor(np.ones(shape=[2, 4, 3, 1]), mindspore.float32)
>>> y = Tensor(np.ones(shape=[2, 4, 3, 4]), mindspore.float32)
>>> batmatmul = ops.BatchMatMul(transpose_a=True)
>>> output = batmatmul(x, y)
>>> print(output.shape)
(2, 4, 1, 4)