【pytorch】torch.mm，torch.bmm以及torch.matmul的使用

torch.mm

torch.mm是两个矩阵相乘，即两个二维的张量相乘

如下面的例子

mat1 = torch.randn(2,3)
print("mat1=", mat1)

mat2 = torch.randn(3,2)
print("mat2=", mat2)

mat3 = torch.mm(mat1, mat2)
print("mat3=", mat3)

但是如果维度超过二维，则会报错。RuntimeError: self must be a matrix

torch.bmm

它其实就是加了一维batch，所以第一位为batch，并且要两个Tensor的batch相等。

第二维和第三维就是mm运算了，同上了。

示例代码如下：

mat1 = torch.randn(10, 2, 4)
# print("mat1=", mat1)

mat2 = torch.randn(10, 4, 1)
# print("mat2=", mat2)

mat3 = torch.matmul(mat1, mat2)
print("mat3=", mat3, mat3.shape)

torch.matmul

torch.mm仅仅是供矩阵相乘使用，使用范围较为狭窄。
而torch.matmul使用的场合就比较多了。

如官方文档所介绍，有如下几种：

1. If both tensors are 1-dimensional, the dot product (scalar) is returned.
   如果两个tensor都是一维的，则为点乘运算，即每个元素对应相乘求和
   如下：

mat1 = torch.Tensor([1,2])
print("mat1=", mat1)

mat2 = torch.Tensor([1<