mindspore.ops.matmul

mindspore.ops.matmul(x1, x2)[源代码]

计算两个数组的乘积。

Note

不支持NumPy参数 out 、 casting 、 order 、 subok 、 signature 、 extobj 。在GPU上支持的数据类型为np.float16和np.float32。在CPU上支持的数据类型为np.float16和np.float32。

参数：

x1 (Tensor) - 输入Tensor，不支持Scalar， x1 的最后一维度和 x2 的倒数第二维度相等，且 x1 和 x2 彼此支持广播。
x2 (Tensor) - 输入Tensor，不支持Scalar， x1 的最后一维度和 x2 的倒数第二维度相等，且 x1 和 x2 彼此支持广播。

返回：

Tensor或Scalar，输入的矩阵乘积。仅当 x1 和 x2 为一维向量时，输出为Scalar。

异常：

ValueError - x1 的最后一维度和 x2 的倒数第二维度不相等，或者输入的是Scalar。
ValueError - x1 和 x2 彼此不能广播。

支持平台：: Ascend GPU CPU

样例：

>>> from mindspore import Tensor, ops
>>> import mindspore
>>> # case 1 : Reasonable application of broadcast mechanism
>>> x1 = Tensor(np.arange(2*3*4).reshape(2, 3, 4), mindspore.float32)
>>> x2 = Tensor(np.arange(4*5).reshape(4, 5), mindspore.float32)
>>> output = ops.matmul(x1, x2)
>>> print(output)
[[[  70.   76.   82.   88.   94.]
[ 190.  212.  234.  256.  278.]
[ 310.  348.  386.  424.  462.]]
[[ 430.  484.  538.  592.  646.]
[ 550.  620.  690.  760.  830.]
[ 670.  756.  842.  928. 1014.]]]
>>> print(output.shape)
(2, 3, 5)
>>> # case 2 : the rank of `x1` is 1
>>> x1 = Tensor(np.ones([1, 2]), mindspore.float32)
>>> x2 = Tensor(np.ones([2,]), mindspore.float32)
>>> output = ops.matmul(x1, x2)
>>> print(output)
[2.]
>>> print(output.shape)
(1,)