python - 张量的乘积和通常的乘积之间有什么区别

我对使用*和matmul的两个张量之间的乘法感到困惑。
下面是我的代码

import torch
torch.manual_seed(7)
features = torch.randn((2, 5))
weights = torch.randn_like(features)

在这里，我想乘以权重和特征。因此，一种方法如下

print(torch.sum(features * weights))

输出:

tensor(-2.6123)

另一种方法是使用matmul

print(torch.mm(features,weights.view((5,2))))

但是，这里的输出是

tensor([[ 2.8089,  4.6439],
        [-2.3988, -1.9238]])

我在这里不明白的是，当matmul和通常的乘法相同时，为什么它们给出不同的输出。我在这里做错什么了吗？

编辑:当，我正在使用形状(1,5)的功能*和matmul输出都是相同的。
但是，当形状为(2,5)时，它并不相同。

最佳答案

当您使用*时，乘法是按元素进行的；当您使用torch.mm时，乘法是矩阵的乘法。

例子:

a = torch.rand(2,5)
b = torch.rand(2,5)
result = a*b

result的形状将与a或b相同，即(2,5)而考虑操作

result = torch.mm(a,b)

它将给出大小不匹配错误，因为这是适当的矩阵乘法(如我们在线性代数中研究的)和a.shape[1] != b.shape[0]。当您在torch.mm中应用 View 操作时，您试图匹配尺寸。

在某种特定尺寸的形状为1的特殊情况下，它成为点积，因此sum (a*b)与mm(a, b.view(5,1))相同

关于python - 张量的乘积和通常的乘积之间有什么区别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53202440/