文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.addmm

mindspore.ops.addmm(input, mat1, mat2, *, beta=1, alpha=1)

对 mat1 和 mat2 应用矩阵乘法。矩阵 input 和最终的结果相加。 alpha 和 beta 分别是 mat1 和 mat2 矩阵乘法和 input 的乘数。如果 beta 是0，那么 input 将会被忽略。

$$output=\beta input+\alpha (mat1@mat2)$$

参数：

• input (Tensor) - 被添加的Tensor。

• mat1 (Tensor) - 矩阵乘法中的第一个Tensor。

• mat2 (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) - mat1 @ mat2 的乘数。默认值： 1 。

返回：

Tensor，和 input 具有相同的dtype。

异常：

• ValueError - 如果 mat1 、 mat2 不能进行矩阵乘法。

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(12).astype(np.float32).reshape((3, 4))
>>> arr2 = np.arange(12).astype(np.float32).reshape((4, 3))
>>> a = Tensor(arr1)
>>> b = Tensor(arr2)
>>> c = Tensor(m)
>>> output = ops.addmm(c, a, b)
>>> print(output)
[[ 43.  49.  55.]
 [115. 137. 159.]
 [187. 225. 263.]]