torch.mm

torch.mm(input, mat2, *, out=None) → Tensor

Выполняет умножение матриц input и mat2.

Если input — тензор размера $(n \times m)$, mat2 — тензор размера $(m \times p)$, то out будет тензором размера $(n \times p)$.

Примечание

Эта функция не выполняет широковещательное распространение. Для широковещательного распространения при умножении матриц см. torch.matmul().

Поддерживает в качестве входных данных страйдовые и разреженные двумерные тензоры, а также автоград относительно страйдовых входных данных.

Эта операция поддерживает аргументы с разреженными форматами. Если задан out, будет использован его формат. В противном случае формат результата будет определён на основе формата input.

Предупреждение

Поддержка разреженных тензоров является бета-функцией: некоторые сочетания формата, типа данных и устройства могут не поддерживаться или не поддерживать автоград. Если вы обнаружили отсутствующую функциональность, отправьте запрос на добавление функции.

Этот оператор поддерживает TensorFloat32.

На некоторых устройствах ROCm при использовании входных данных типа float16 этот модуль будет использовать другую точность при обратном проходе.

Параметры:

• input (Tensor) – первая матрица для умножения
• mat2 (Tensor) – вторая матрица для умножения

Именованные аргументы:

out (Tensor, optional) – выходной тензор.

Пример:

>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.mm(mat1, mat2)
tensor([[ 0.4851,  0.5037, -0.3633],
        [-0.0760, -3.6705,  2.4784]])

torch.mm(input, mat2, out_dtype, *, out=None) → Tensor

Параметры:

• input (Tensor) – первая матрица для умножения
• mat2 (Tensor) – вторая матрица для умножения
• out_dtype (dtype) – тип данных выходного тензора. На CUDA и XPU при входных типах данных torch.float16/torch.bfloat16 поддерживается только torch.float32. Другие бэкенды (включая внешние ускорители) могут поддерживать дополнительные сочетания типов данных входных и выходных тензоров.

Именованные аргументы:

out (Tensor, optional) – выходной тензор.