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。

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(x, batch1, batch2, beta=1, alpha=1)

对输入的两个三维矩阵batch1与batch2相乘，并将结果与x相加。 计算公式定义如下：

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

参数：

• x (Tensor) - 输入Tensor，shape为 $(C,W,H)$ 。

• batch1 (Tensor) - 输入Tensor，shape为 $(C,W,T)$ 。

• batch2 (Tensor) - 输入Tensor，shape为 $(C,T,H)$ 。

• beta (Union[float, int]，可选) - x 的系数，默认值为1。

• alpha (Union[float, int]，可选) - $batch1@batch2$ 的系数，默认值为1。

返回：

Tensor，其数据类型与 x 相同，其维度与 batch1@batch2 的结果相同。

异常：

• TypeError - x 、 batch1 或 batch2 的类型不是Tensor。

• TypeError - x 、 batch1 或 batch2 数据类型不一致。

• TypeError - 对于输入为浮点类型的Tensor， beta 、 alpha 不是实数。否则， beta 、 alpha 不是整数。

• TypeError - beta 、 alpha 不是实数类型。

• ValueError - batch1 或 batch2 的不是三维Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> input = Tensor(np.ones([1, 3, 3]).astype(np.float32))
>>> batch1 = Tensor(np.ones([1, 3, 4]).astype(np.float32))
>>> batch2 = Tensor(np.ones([1, 4, 3]).astype(np.float32))
>>> output = ops.baddbmm(input, batch1, batch2)
>>> print(output)
[[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]]