*
若两个tensor的维度相同，*符号表示对应元素相乘。例如：
1
2
3
4
5
| a = torch.Tensor([[1, 2, 3], [1, 2, 3]]).view(-1, 2)
b = torch.Tensor([[3, 2, 1], [3, 2, 1]]).view(-1, 2)
print('a:',a)
print('b:',b)
print('a*b:',a*b)
|
运行结果
1
2
3
4
5
6
7
8
9
| a: tensor([[1., 2.],
[3., 1.],
[2., 3.]])
b: tensor([[3., 2.],
[1., 3.],
[2., 1.]])
a*b: tensor([[3., 4.],
[3., 3.],
[4., 3.]])
|
若两个tensor的维度不相同，则将某一个tensor扩展(复制)成相同的维度，然后*表示对应位置相乘。例如：
1
2
3
4
5
| a = torch.Tensor([[1, 2, 3], [1, 2, 3]]).view(-1, 2)
b = torch.Tensor([[3, 2, 1]]).view(3, -1)
print('a:',a)
print('b:',b)
print('a*b:',a*b)
|
运行结果：
1
2
3
4
5
6
7
8
9
| a: tensor([[1., 2.],
[3., 1.],
[2., 3.]])
b: tensor([[3.],
[2.],
[1.]])
a*b: tensor([[3., 6.],
[6., 2.],
[2., 3.]])
|
mul
对应点相乘，x.mul(y) ，即点乘操作，点乘不求和操作，又可以叫作Hadamard product；点乘再求和，即为卷积
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| data = [[1,2], [3,4], [5, 6]]
tensor = torch.FloatTensor(data)
tensor
Out[27]:
tensor([[ 1., 2.],
[ 3., 4.],
[ 5., 6.]])
tensor.mul(tensor)
Out[28]:
tensor([[ 1., 4.],
[ 9., 16.],
[ 25., 36.]])
|
mm
矩阵相乘，x.mm(y)， 矩阵大小需满足： (i, n)x(n, j)
1
2
3
4
5
6
7
8
9
10
11
| tensor
Out[31]:
tensor([[ 1., 2.],
[ 3., 4.],
[ 5., 6.]])
tensor.mm(tensor.t())
Out[30]:
tensor([[ 5., 11., 17.],
[ 11., 25., 39.],
[ 17., 39., 61.]])
|
参考
PyTorch 对应点相乘、矩阵相乘
