mindspore.mint.matmul

mindspore.mint.matmul(input, other)

计算两个数组的矩阵乘积。

说明

不支持NumPy参数 out 、 casting 、 order 、 subok 、 signature 、 extobj 。 input 和 other 的数据类型必须一致。在Ascend平台上，input 和 other 的秩必须在 1 到 6 之间。

参数：

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

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

返回：

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

异常：

• TypeError - input 的dtype和 other 的dtype不一致。

• ValueError - input 的最后一维度和 other 的倒数第二维度不相等，或者输入的是Scalar。

• ValueError - input 和 other 彼此不能广播。

• RuntimeError - 在Ascend平台上， input 或 other 的秩小于 1 或大于 6。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> # case 1 : Reasonable application of broadcast mechanism
>>> input = Tensor(np.arange(2*3*4).reshape(2, 3, 4), mindspore.float32)
>>> other = Tensor(np.arange(4*5).reshape(4, 5), mindspore.float32)
>>> output = mint.matmul(input, other)
>>> 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 `input` is 1
>>> input = Tensor(np.ones([1, 2]), mindspore.float32)
>>> other = Tensor(np.ones([2,]), mindspore.float32)
>>> output = mint.matmul(input, other)
>>> print(output)
[2.]
>>> print(output.shape)
(1,)