mindspore.ops.addmv

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

mat 和 vec 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 一个大小为 \(M\) 的一维Tensor，那么 input 必须是可广播的，且 带有一个大小为 \(N\) 的一维Tensor。这种情况下 out 是一个大小为 \(N\) 的一维Tensor。

可选值 bata 和 alpha 分别是 mat 和 vec 矩阵向量的乘积和附加Tensor input 的扩展因子。如果 beta 为0，那么 input 将被忽略。

\[output = β input + α (mat @ vec)\]

参数：

• input (Tensor) - 被加的向量，Tensor的shape大小为 \((N,)\)。

• mat (Tensor) - 第一个需要相乘的Tensor，shape大小为 \((N, M)\) 。

• vec (Tensor) - 第二个需要相乘的Tensor，shape大小为 \((M,)\) 。

关键字参数：

• beta (scalar[int, float, bool], 可选) - input (β)的乘数。 beta 必须是int或float或bool类型，默认值： 1 。

• alpha (scalar[int, float, bool], 可选) - mat @ vec (α)的乘数。 alpha 必须是int或float或bool类型，默认值： 1 。

返回：

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

异常：

• TypeError - mat 、 vec 、 input 不是Tensor。

• TypeError - mat 、 vec 的数据类型不一致。

• ValueError - 如果 mat 不是一个二维Tensor。

• ValueError - 如果 vec 不是一个一维Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> 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 = ops.addmv(input, mat, vec)
>>> print(output)
[30. 27.]