mindspore.ops.BatchMatMul
- class mindspore.ops.BatchMatMul(transpose_a=False, transpose_b=False)[源代码]
基于batch维度的两个Tensor的矩阵乘法。
\[\text{output}[..., :, :] = \text{matrix}(x[..., :, :]) * \text{matrix}(y[..., :, :])\]两个输入Tensor必须具有相同的秩,并且秩必须不小于 2。
- 参数:
transpose_a (bool) - 如果为
True
,则在乘法之前转置 x 的最后两个维度。默认值:False
。transpose_b (bool) - 如果为
True
,则在乘法之前转置 y 的最后两个维度。默认值:False
。
- 输入:
x (Tensor) - 输入相乘的第一个Tensor。其shape为 \((*B, N, C)\) ,其中 \(*B\) 表示批处理大小,可以是多维度, \(N\) 和 \(C\) 是最后两个维度的大小。如果 transpose_a 为True,则其shape必须为 \((*B, C, N)\) 。
y (Tensor) - 输入相乘的第二个Tensor。Tensor的shape为 \((*B, C, M)\) 。如果 transpose_b 为True,则其shape必须为 \((*B, M, C)\) 。
- 输出:
Tensor,输出Tensor的shape为 \((*B, N, M)\) 。
- 异常:
TypeError - transpose_a 或 transpose_b 不是bool。
ValueError - x 的shape长度不等于 y 的shape长度或输入的shape长度小于2。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> x = Tensor(np.ones(shape=[2, 4, 1, 3]), mindspore.float32) >>> y = Tensor(np.ones(shape=[2, 4, 3, 4]), mindspore.float32) >>> batmatmul = ops.BatchMatMul() >>> output = batmatmul(x, y) >>> print(output.shape) (2, 4, 1, 4) >>> x = Tensor(np.ones(shape=[2, 4, 3, 1]), mindspore.float32) >>> y = Tensor(np.ones(shape=[2, 4, 3, 4]), mindspore.float32) >>> batmatmul = ops.BatchMatMul(transpose_a=True) >>> output = batmatmul(x, y) >>> print(output.shape) (2, 4, 1, 4)