torch.addmv

torch.addmv(input, mat, vec, *, beta=1, alpha=1, out=None) → Tensor

执行矩阵 mat 和向量 vec 的矩阵-向量乘积。向量 input 会被加到最终结果中。

如果 mat 是一个 $(n \times m)$ 张量，vec 是一个大小为 m 的一维张量，那么 input 必须是 可广播的，能够与一个大小为 n 的一维张量进行广播，并且 out 将是一个大小为 n 的一维张量。

alpha 和 beta 分别是 mat 和 vec 之间的矩阵-向量乘积以及加上的张量 input 的缩放因子。

$$\text{out} = \beta\ \text{input} + \alpha\ (\text{mat} \mathbin{@} \text{vec})$$

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

对于 FloatTensor 或 DoubleTensor 类型的输入，参数 beta 和 alpha 必须是实数，否则它们应该是整数。

参数

• input (Tensor) – 要添加的向量

• mat (Tensor) – 要进行矩阵乘法的矩阵

• vec (Tensor) – 要进行矩阵乘法的向量

关键字参数

• beta (Number, optional) – input 的乘数（$\beta$）

• alpha (Number, optional) – $mat @ vec$ 的乘数（$\alpha$）

• out (Tensor, optional) – 输出张量。

示例

>>> M = torch.randn(2)
>>> mat = torch.randn(2, 3)
>>> vec = torch.randn(3)
>>> torch.addmv(M, mat, vec)
tensor([-0.3768, -5.5565])