mindspore.ops.MatMul

class mindspore.ops.MatMul(transpose_a=False, transpose_b=False)[源代码]

将矩阵 a 和矩阵 b 相乘。

(O u t p u t)_{i j} = \sum_{k = 1}^{p} a_{i k} b_{k j} = a_{i 1} b_{1 j} + a_{i 2} b_{2 j} + \dots + a_{i p} b_{p j}, p \in N

其中， $i, j$ 表示输出的第i行和第j列元素。

说明

当 $N * M$ 不能被16整除时，算子在Ascend环境上的性能会比较差。
输入Tensor的数据类型必须一致。
Ascend上，暂不支持float64类型。

参数：

transpose_a (bool，可选) - 如果为 True ，则在相乘之前转置 a。默认值： False 。
transpose_b (bool，可选) - 如果为 True ，则在相乘之前转置 b。默认值： False 。

输入：

a (Tensor) - 要相乘的第一个Tensor。如果 transpose_a 为 False ，则该Tensor的shape为 $(N, C)$ ；否则，该Tensor的shape为 $(C, N)$ 。
b (Tensor) - 要相乘的第二个Tensor。如果 transpose_b 为 False ，则该Tensor的shape为 $(C, M)$ ；否则，该Tensor的shape为 $(M, C)$ 。

输出：

Tensor，输出Tensor的shape为 $(N, M)$ 。

异常：

TypeError - transpose_a 或 transpose_b 不是bool。
TypeError - a 的dtype和 b 的dtype不一致。
ValueError - 矩阵 a 的列不等于矩阵 b 的行。
ValueError - a 或 b 的维度不等于2。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> a = Tensor(np.ones(shape=[1, 3]), mindspore.float32)
>>> b = Tensor(np.ones(shape=[3, 4]), mindspore.float32)
>>> matmul = ops.MatMul()
>>> output = matmul(a, b)
>>> print(output)
[[3. 3. 3. 3.]]