mindspore.mint.baddbmm

mindspore.mint.baddbmm(input, 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input相加。 计算公式定义如下：

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

参数：

• input (Tensor) - 输入Tensor，当batch1是 \((C, W, T)\) 的Tensor而且batch2是一个 \((C, T, H)\) 的Tensor时，输入必须为可以被广播为 \((C, W, H)\) 形状的Tensor。

• batch1 (Tensor) - 公式中的 \(batch1\) 。必须为3-D的Tensor，类型与 input 一致。

• batch2 (Tensor) - 公式中的 \(batch2\) 。必须为3-D的Tensor，类型与 input 一致。

关键字参数：

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

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

返回：

Tensor，其数据类型与 input 相同，维度为 \((C, W, H)\)。

异常：

• TypeError - input 、 batch1 或 batch2 的类型不是Tensor。

• TypeError - input 、 batch1 或 batch2 数据类型不一致。

• ValueError - batch1 或 batch2 的不是三维Tensor。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> 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 = mint.baddbmm(input, batch1, batch2)
>>> print(output)
[[[5. 5. 5.]
  [5. 5. 5.]
  [5. 5. 5.]]]