mindspore.ops.tensor_dot

mindspore.ops.tensor_dot(x1, x2, axes)[源代码]

在指定轴上对Tensor a 和 b 进行点乘操作。

点乘操作可以在指定轴上计算 a 和 b 元素的乘积和。轴数量必须由x1和x2指定，并且该值必须在 a 和 b 的维度数量的范围内。

两个输入中选定的维度必须相互匹配。

axes = 0为外积。axes = 1为普通矩阵乘法（输入是二维的）。axes = 1与axes = ((1,),(0,))相同，其中 a 和 b 都是二维的。axes = 2与axes = ((1,2),(0,1))相同，其中 a 和 b 都是三维的。

参数：

x1 (Tensor) - tensor_dot的第一个输入Tensor，其数据类型为float16或float32。
x2 (Tensor) - tensor_dot的第二个输入Tensor，其数据类型为float16或float32。
axes (Union[int, tuple(int), tuple(tuple(int)), list(list(int))]) - 指定 a 和 b 计算轴，可为单个值，也可为长度为2的tuple或list。如果传递了单个值 N ，则自动从输入 a 的shape中获取最后N个维度，从输入 b 的shape中获取前N个维度，分别作为每个维度的轴。

返回：

Tensor，输出Tensor的shape为 \((N + M)\) 。其中 \(N\) 和 \(M\) 在两个输入中没有计算，是自由轴。

异常：

TypeError - x1 或 x2 不是Tensor。
TypeError - axes 不是int、tuple或list。

支持平台：

Ascend GPU CPU

样例：

>>> from mindspore import Tensor, ops
>>> import mindspore
>>> import numpy as np
>>> input_x1 = Tensor(np.ones(shape=[1, 2, 3]), mindspore.float32)
>>> input_x2 = Tensor(np.ones(shape=[3, 1, 2]), mindspore.float32)
>>> output = ops.tensor_dot(input_x1, input_x2, ((0,1),(1,2)))
>>> print(output)
[[2. 2. 2]
 [2. 2. 2]
 [2. 2. 2]]