torch.baddbmm

torch.baddbmm(input, batch1, batch2, *, beta=1, alpha=1, out=None) → Tensor

Выполняет пакетное матричное произведение матриц в batch1 и batch2. input добавляется к итоговому результату.

batch1 и batch2 должны быть 3-мерными тензорами, каждый из которых содержит одинаковое количество матриц.

Если batch1 является тензором $(b \times n \times m)$, batch2 является тензором $(b \times m \times p)$, то input должен быть совместим по правилам трансляции с тензором $(b \times n \times p)$, а out будет тензором $(b \times n \times p)$. И alpha и beta означают то же самое, что и множители масштабирования, используемые в torch.addbmm().

$$\text{out}_i = \beta\ \text{input}_i + \alpha\ (\text{batch1}_i \mathbin{@} \text{batch2}_i)$$

Если beta равно 0, то input будет проигнорировано, и nan и inf в нём не будут распространяться.

Для входов типа FloatTensor или DoubleTensor, аргументы beta и alpha должны быть вещественными числами, в противном случае они должны быть целыми.

Этот оператор поддерживает TensorFloat32.

На определённых устройствах ROCm, при использовании входов float16, этот модуль будет использовать разную точность для обратного прохода.

Parameters

• input (Tensor) – тензор, который будет добавлен
• batch1 (Tensor) – первая группа матриц, которые будут перемножены
• batch2 (Tensor) – вторая группа матриц, которые будут перемножены

Keyword Arguments

• beta (Число, необязательно) – множитель для input ($\beta$)
• alpha (Число, необязательно) – множитель для $\text{batch1} \mathbin{@} \text{batch2}$ ($\alpha$)
• out (Tensor, необязательно) – выходной тензор.

Пример:

>>> M = torch.randn(10, 3, 5)
>>> batch1 = torch.randn(10, 3, 4)
>>> batch2 = torch.randn(10, 4, 5)
>>> torch.baddbmm(M, batch1, batch2).size()
torch.Size([10, 3, 5])