torch.addmm

torch.addmm(input, mat1, mat2, *, beta=1, alpha=1, out=None) → Tensor

对矩阵 mat1 和 mat2 进行矩阵乘法运算，并将矩阵 input 加到最终的结果中。

如果 mat1 是一个 $(n \times m)$ 张量，mat2 是一个 $(m \times p)$ 张量，那么 input 必须能够与一个 $(n \times p)$ 张量进行广播操作，并且 out 将是一个 $(n \times p)$ 张量。

alpha 和 beta 分别是矩阵与向量乘积（mat1 和 mat2）以及添加的矩阵 input 的缩放因子。

$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat1}_i \mathbin{@} \text{mat2}_i)$

如果 beta 为 0，那么 input 将被忽略，并且其中的 nan 和 inf 不会被传播。

对于类型为FloatTensor或DoubleTensor的输入，参数beta和alpha必须是实数；如果不是这些类型，则它们应该是整数。

此操作支持具有稀疏布局的参数。如果input是稀疏的，结果也将采用相同的稀疏布局；若提供了out参数，则其布局必须与input一致。

警告

稀疏支持是一项 beta 功能，某些布局、数据类型和设备的组合可能不被支持，或不具备自动微分功能。如果你发现了缺失的功能，请提交一个特性请求。

该操作支持TensorFloat32。

在某些ROCm设备上，当使用float16输入时，此模块会采用不同的精度进行反向传播。

参数

• input (Tensor) – 需要添加的矩阵

• mat1 (Tensor) – 进行矩阵乘法运算的第一个矩阵

• mat2 (张量) – 进行矩阵乘法运算的第二个矩阵

关键字参数

• beta (数字, 可选) – input 的乘数 ($\beta$)

• alpha (Number, optional) – 用于 $mat1 @ mat2$ 的乘数 ($\alpha$)

• out (Tensor, 可选) – 指定输出张量。

示例：

>>> M = torch.randn(2, 3)
>>> mat1 = torch.randn(2, 3)
>>> mat2 = torch.randn(3, 3)
>>> torch.addmm(M, mat1, mat2)
tensor([[-4.8716,  1.4671, -1.3746],
        [ 0.7573, -3.9555, -2.8681]])