Pytorch – 使用torch.matmul()替换torch.einsum(‘nctw,cd->ndtw’,(a,b))算子模式
本文作者:StubbornHuang
版权声明:本文为站长原创文章,如果转载请注明原文链接!
原文标题:Pytorch – 使用torch.matmul()替换torch.einsum(‘nctw,cd->ndtw’,(a,b))算子模式
原文链接:https://www.stubbornhuang.com/2065/
发布于:2022年03月29日 15:44:42
修改于:2022年06月07日 16:29:01
1 pytorch的torch.matmul()函数
函数形式
torch.matmul(input, other, *, out=None) → Tensor
该函数主要是用于求解两个tensor的矩阵乘积。
该函数根据输入的两个tensor的维度的不同进行不一样的张量运算,如下所示
- 如果两个参数张量Tensor都是一维的,那么该函数返回两个张量的点积(标量)
- 如果两个参数张量Tensor都是二维的,那么该函数返回二维矩阵与二维矩阵的乘积
- 如果第一个参数张量Tensor是一维的,第二个张量Tensor是二维的,则先扩充第一个张量Tensor的维数,维数+1,然后进行二维矩阵乘法,在得到矩阵乘法结果后,移除结果张量的前置维度
- 如果第一个参数张量Tensor是二维的,第二个张量Tensor是一维的,则返回矩阵向量积
- 如果两个参数张量Tensor至少为一维且至少有一个参数N维(其中N>2),则返回batch矩阵乘法。如果第一个参数是一维的,则将 1 添加到其维度,以便批量矩阵相乘并在之后删除。如果第二个参数是一维的,则将 1 附加到其维度以用于批量矩阵倍数并在之后删除。非矩阵(即批量)维度是广播的(因此必须是可广播的)。例如,如果第一个参数张量Tensor为\left ( j\times 1\times n \times n \right )维张量,第二个参数张量Tensor为\left ( k\times n\times n \right )维张量,则结果为\left ( j\times k\times n\times n \right )维张量。
这里需要注意的是,在使用matmul函数在确定输入是否可以广播的时候,是通过两个输入张量Tensor的后两个维度是否满足矩阵相乘准则来判断的。比如说第一个输入张量维度为\left ( 100 \times 50 \times 3 \times 6 \right ),第二个输入张量的维度为\left ( 50 \times 6 \times 3 \right ),第一个张量的最后两个维度3 \times 6与第二个张量的最后两个维度6 \times 3可以根据二维矩阵乘法得到3 \times 3矩阵说明是可以广播,上面两个张量的计算的结果维度为\left ( 100 \times 50 \times 3 \times 3 \right )。
2 使用torch.matmul()替换torch.einsum('nctw,cd->ndtw',(a,b))模式
torch.einsum('nctw,cd->ndtw',(a,b))
的意思是将第一个维度为nctw
的张量与第二个维度为cd
的张量进行batch矩阵相乘得到结果张量,结果张量维度为ndtw
。
所以这个einsum模式是可以通过torch.matmul()函数进行改写的。
(1)请购买正版资源,支持原作者和出版社;
(2)资源收集自互联网,仅供自我学习,请在下载后24小时内删除该资源,如下载者将此资源用于其他非法用途,本站不承担任何法律责任;如有侵权,请立即联系我,马上删除!
(3)此捐赠下载方式无需注册+登录账号,当然如果您喜欢本站也可注册账号;
(4)所支付的款项为捐赠本站款项,而并非付费下载所付款项,本站会在您捐赠本站后显示隐藏内容,请知悉,先非常感谢您对本站的捐赠;
(5)本站支付使用Payjs,该第三方支付方式为微信官方授权的服务商,无支付风险,详情请查看:https://payjs.cn;
(6)请尽量不要使用手机浏览器以及电脑浏览器的无痕模式进行支付操作,以免造成支付成功但未显示隐藏内容。
(7)点击立即购买按钮后弹出选择支付方式页面,选择任意支付方式点击后会跳转到新的二维码支付页面,支付成功后会弹出支付成功的提示框,点击提示框会自动刷新页面显示隐藏内容;另外请不要重复支付,避免财产损失;
(8)在2021年7月27日前,本站采用注册+登录+评论的免费下载模式,旨在节省大家寻找宝贵资源的时间,为大家带来珍贵的知识来源,但是从2021年7月27日起,因遭受注册轰炸和恶意爬虫造成网站负载过大导致宕机,被迫无奈,为减少网站运营时间成本,对部分资源进行捐赠下载,添加支付是反爬虫的最好方式,在此对未享受到免费下载福利的访客表示歉意;
(9)如遇支付页面未弹出、支付成功但未显示隐藏内容、资源链接失效或者提取码出错等情况请发送邮件到stubbornhuang@qq.com或者直接联系QQ:623256052,会尽快为您解决!加我时请备注原因,谢谢!或者点击按钮点击反馈进入反馈页面进行问题反馈
(10)由以上捐赠下载带来的不便请您谅解,如出现重复付费的情况,请联系我,我会尽快返回您的退款!
当前分类随机文章推荐
- Pytorch - transpose和permute函数的区别和用法 阅读1297次,点赞0次
- Pytorch - 用Pytorch实现ResNet 阅读460次,点赞0次
- Pytorch - torch.nn.Conv2d参数详解与使用 阅读466次,点赞0次
- Pytorch - torch.cat函数 阅读294次,点赞0次
- Pytorch - torch.nn.Module的parameters()和named_parameters() 阅读573次,点赞0次
- Pytorch - 使用torch.onnx.export将Pytorch模型导出为ONNX模型 阅读6873次,点赞0次
- Pytorch - torch.optim优化器 阅读665次,点赞0次
- Pytorch - nn.Transformer、nn.TransformerEncoderLayer、nn.TransformerEncoder、nn.TransformerDecoder、nn.TransformerDecoder参数详解 阅读2642次,点赞1次
- Pytorch - 修改Pytoch中torchvision.models预置模型的方法 阅读119次,点赞0次
- Pytorch - 创建随机Tensor的常用方法 阅读228次,点赞0次
全站随机文章推荐
- 资源分享 - Isosurfaces - Geometry, Topology, and Algorithms 英文高清PDF下载 阅读2006次,点赞0次
- 深度学习 - 理解LSTM网络[翻译] 阅读335次,点赞0次
- 资源分享 - 物理渲染-从理论到实践 第2版,Physically Based Rendering From Theory To Implementation(Second Edition) 中文版PDF下载 阅读2138次,点赞0次
- 工具网站推荐 - 检查IP和端口是否被ban的工具网站 阅读516次,点赞0次
- 资源分享 - Introduction to Computer Graphics - A Practical Learning Approach 英文高清PDF下载 阅读1122次,点赞0次
- 深度学习 - 为什么要初始化网络模型权重? 阅读451次,点赞0次
- WordPress - 防止用户在登录页面重复点击登录按钮造成重复登录 阅读681次,点赞0次
- 姿态估计 - Halpe Full-Body136数据集骨骼关节keypoint标注对应 阅读4069次,点赞2次
- Python - 使用scikit-video库获取视频的旋转角度并使用opencv_python根据旋转角度对视频进行旋转复原 阅读3080次,点赞1次
- 资源分享 - ShaderX3 - Advanced Rendering with DirectX and OpenGL 英文高清PDF下载 阅读2244次,点赞0次
评论
169