torch.addmm

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

执行矩阵乘法，矩阵 mat1 和 mat2 相乘，矩阵 input 加到最终结果中。

如果 mat1 是一个 $(n \times m)$ 张量， mat2 是一个 $(m \times p)$ 张量，那么 input 必须与一个 $(n \times p)$ 张量可广播， out 将是一个 $(n \times p)$ 张量。

alpha 和 beta 是矩阵-向量乘法中 mat1 和 mat2 以及附加矩阵 input 的缩放因子。

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

如果 beta 为 0，则 input 的内容将被忽略，其中的 nan 和 inf 不会传播。

对于类型为 FloatTensor 或 DoubleTensor 的输入，参数 beta 和 alpha 必须是实数，否则应为整数。

该操作支持具有稀疏布局的参数。如果 input 是稀疏的，则结果将具有相同的布局；如果提供了 out ，则它必须与 input 具有相同的布局。

警告

稀疏支持是测试版功能，某些布局(s)/dtype/设备组合可能不受支持，或者可能没有自动微分支持。如果您发现缺少功能，请提交功能请求。

此运算符支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，该模块将使用不同的精度进行反向操作。

参数:

• 输入（张量）- 要相加的矩阵

• mat1（张量）- 要进行矩阵乘法的第一个矩阵

• mat2（张量）- 要进行矩阵乘法的第二个矩阵

关键字参数:

• beta（数字，可选）- input （ $\beta$ ）的乘数

• alpha（数字，可选）- $mat1 @ mat2$ （ $\alpha$ ）的乘数

• 输出（张量，可选）- 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]])