torch.addr

torch.addr(input, vec1, vec2, *, beta=1, alpha=1, out=None) → Tensor

执行向量 vec1 和向量 vec2 的外积，并将其加到矩阵 input 上。

可选值 beta 和 alpha 分别是 vec1 和 vec2 之间的外积以及添加的矩阵 input 的缩放因子。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{vec1} \otimes \text{vec2})$$

如果 beta 为 0，则将忽略 input 的内容，其中的 nan 和 inf 将不会传播。

如果 vec1 是一个大小为 n 的向量， vec2 是一个大小为 m 的向量，那么 input 必须与大小为 $(n \times m)$ 和 out 的矩阵广播兼容。

参数:

• 输入（张量）- 要相加的矩阵

• vec1（张量）- 外积的第一个向量

• vec2（张量）- 外积的第二向量

关键字参数:

• beta（数字，可选）- input （ $\beta$ ）的乘数

• alpha（数字，可选）- $\text{vec1} \otimes \text{vec2}$ （ $\alpha$ ）的乘数

• 输出（张量，可选）- 输出张量。

示例：

>>> vec1 = torch.arange(1., 4.)
>>> vec2 = torch.arange(1., 3.)
>>> M = torch.zeros(3, 2)
>>> torch.addr(M, vec1, vec2)
tensor([[ 1.,  2.],
        [ 2.,  4.],
        [ 3.,  6.]])