torch.inner

torch.inner(input, other, *, out=None) → Tensor

Вычисляет скалярное произведение для 1D тензоров. Для тензоров высших размерностей суммирует произведение элементов из input и other вдоль их последнего измерения.

Примечание

Если input или other является скаляром, результат эквивалентен torch.mul(input, other).

Если и input и other являются не скалярами, размерность их последнего измерения должна совпадать, и результат эквивалентен torch.tensordot(input, other, dims=([-1], [-1])).

Параметры

• input (Tensor) – Первый входной тензор
• other (Tensor) – Второй входной тензор

Ключевые аргументы

out (Tensor, необязательно) – Необязательный выходной тензор для записи результата. Форма выходного тензора input.shape[:-1] + other.shape[:-1].

Пример:

# Dot product
>>> torch.inner(torch.tensor([1, 2, 3]), torch.tensor([0, 2, 1]))
tensor(7)

# Multidimensional input tensors
>>> a = torch.randn(2, 3)
>>> a
tensor([[0.8173, 1.0874, 1.1784],
        [0.3279, 0.1234, 2.7894]])
>>> b = torch.randn(2, 4, 3)
>>> b
tensor([[[-0.4682, -0.7159,  0.1506],
        [ 0.4034, -0.3657,  1.0387],
        [ 0.9892, -0.6684,  0.1774],
        [ 0.9482,  1.3261,  0.3917]],

        [[ 0.4537,  0.7493,  1.1724],
        [ 0.2291,  0.5749, -0.2267],
        [-0.7920,  0.3607, -0.3701],
        [ 1.3666, -0.5850, -1.7242]]])
>>> torch.inner(a, b)
tensor([[[-0.9837,  1.1560,  0.2907,  2.6785],
        [ 2.5671,  0.5452, -0.6912, -1.5509]],

        [[ 0.1782,  2.9843,  0.7366,  1.5672],
        [ 3.5115, -0.4864, -1.2476, -4.4337]]])

# Scalar input
>>> torch.inner(a, torch.tensor(2))
tensor([[1.6347, 2.1748, 2.3567],
        [0.6558, 0.2469, 5.5787]])