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。

提交

文档反馈

mindspore.ops.baddbmm

mindspore.ops.baddbmm(input, batch1, batch2, beta=1, alpha=1)

对 batch1 和 batch2 中的矩阵相乘，并与 input 相加。

说明

• batch1 和 batch2 必须是三维的tensor，且包含相同数量的矩阵。

• 如果 batch1 是大小为 $(C,W,T)$ 的tensor， batch2 是大小为 $(C,T,H)$ 的tensor， 则 input 必须能够与大小为 $(C,W,H)$ 的tensor进行广播，且输出将是大小为 $(C,W,H)$ 的tensor。

• 若 beta 为0，那么 input 将会被忽略。

• 当输入的类型不是 FloatTensor 时，参数 beta 和 alpha 必须是整数。

$${\text{out}}_i=\beta {\text{input}}_i+\alpha ({\text{batch1}}_i@{\text{batch2}}_i)$$

参数：

• input (Tensor) - 输入tensor。

• batch1 (Tensor) - 第一个batch矩阵。

• batch2 (Tensor) - 第二个batch矩阵。

• beta (Union[float, int], 可选) - input 的尺度因子。默认 1 。

• alpha (Union[float, int]，可选) - （ batch1 @ batch2 ）的尺度因子，默认 1 。

返回：

Tensor

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> input = mindspore.ops.ones((3, 3))
>>> batch1 = mindspore.tensor([[8., 7., 6.], [5., 4., 3.], [2., 1., 0.]])
>>> batch2 = mindspore.tensor([[5., 4., 3.], [2., 1., 0.], [8., 7., 6.]])
>>> output = mindspore.ops.baddbmm(input, batch1, batch2)
>>> print(output)
[[103.  82.  61.]
 [ 58.  46.  34.]
 [ 13.  10.   7.]]