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：

\[\text{out}_{i} = \beta \text{x}_{i} + \alpha (\text{batch1}_{i} \mathbin{@} \text{batch2}_{i})\]

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.]]]