mindspore.ops.BatchMatMul

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。

\[\text{output}[..., :, :] = \text{matrix}(x[..., :, :]) * \text{matrix}(y[..., :, :])\]

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) - 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) - 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， \(N\) 和 \(C\) 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。Tensor的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_a 或 transpose_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)