澄海手工外发加工网_哔哩哔哩网页版官网在线观看_系统清理优化工具_seo如何优化图片

二维tensor：

对于两个张量a和b

a的形状是(m, n)，

那么b的形状必须是(n,p)

这样a和b才能相乘。结果张量的形状将是(m, p)。

import torch
import numpy as npnp.random.seed(2022)
a = np.random.randint(low=0, high=2, size=(4, 8))
a = torch.tensor(a)
b = np.random.randint(low=0, high=2, size=(8, 9))
b = torch.tensor(b)
c = torch.matmul(a, b)
# or
# c = a @ b
print(c.size())

最后结果为：torch.Size([4, 9])

三维tensor：

• a的形状是(*, m, n)，其中*是任意数量的批次维度。
• b的形状是(*, n, p)，其中*必须与a中的批次维度相同，n是收缩维度，它必须与a中的n相匹配。】
• 最后的结果为(*, m,p)

import torch
import numpy as npnp.random.seed(2022)
a = np.random.randint(low=0, high=2, size=(5,4, 8))
a = torch.tensor(a)
b = np.random.randint(low=0, high=2, size=(5,8, 9))
b = torch.tensor(b)
c = torch.matmul(a, b)
# or
# c = a @ b
print(c.size())

最后结果为：torch.Size([5, 4, 9])

四维tensor：

• a的形状是(*,c， m, n)，其中*是任意数量的批次维度,c可以理解为通道维度。
• b的形状是(*,c, n, p)，其中*必须与a中的批次维度相同，c必须与a中的通道维度相同，n必须与a中的n相匹配。
• 最后的结果为(*,c, m,p)

import torch
import numpy as npnp.random.seed(2022)
a = np.random.randint(low=0, high=2, size=(7,5,4, 8))
a = torch.tensor(a)
b = np.random.randint(low=0, high=2, size=(7,5,8, 9))
b = torch.tensor(b)
c = torch.matmul(a, b)
# or
# c = a @ b
print(c.size())

 最后结果为：torch.Size([7, 5, 4, 9])