mindspore.ops.addbmm

mindspore.ops.addbmm(input, batch1, batch2, *, beta=1, alpha=1)

对 batch1 和 batch2 应用批量矩阵乘法后进行reduced add， input 和最终的结果相加。 alpha 和 beta 分别是 batch1 和 batch2 矩阵乘法和 input 的乘数。如果 beta 是0，那么 input 将会被忽略。

\[output = \beta input + \alpha (\sum_{i=0}^{b-1} {batch1_i @ batch2_i})\]

参数：

• input (Tensor) - 被添加的Tensor。

• batch1 (Tensor) - 矩阵乘法中的第一个Tensor。

• batch2 (Tensor) - 矩阵乘法中的第二个Tensor。

关键字参数：

• beta (Union[int, float]，可选) - input 的乘数。默认值： 1 。

• alpha (Union[int, float]，可选) - batch1 @ batch2 的乘数。默认值： 1 。

返回：

Tensor，和 input 具有相同的dtype。

异常：

• TypeError - 如果 alpha，beta 不是int或者float。

• ValueError - 如果 batch1， batch2 不能进行批量矩阵乘法。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> m = np.ones((3, 3)).astype(np.float32)
>>> arr1 = np.arange(24).astype(np.float32).reshape((2, 3, 4))
>>> arr2 = np.arange(24).astype(np.float32).reshape((2, 4, 3))
>>> a = Tensor(arr1)
>>> b = Tensor(arr2)
>>> c = Tensor(m)
>>> output = ops.addbmm(c, a, b)
>>> print(output)
[[ 949. 1009. 1069.]
 [1285. 1377. 1469.]
 [1621. 1745. 1869.]]