torch.addr

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

对向量 vec1 和 vec2 执行外积运算，并将其加到矩阵 input 中。

可选参数 beta 和 alpha 分别是 vec1 和 vec2 外积结果以及被加数 input 矩阵的缩放因子。

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

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。

如果 vec1 是大小为 n 的向量，vec2 是大小为 m 的向量，那么 input 必须能够与大小为 $(n \times m)$ 的矩阵进行广播 (broadcastable)，且 out 将是一个大小为 $(n \times m)$ 的矩阵。

参数:

• input (Tensor) – 要添加的矩阵

• vec1 (Tensor) – 外积的第一个向量

• vec2 (Tensor) – 外积的第二个向量

关键字参数:

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

• alpha (Number, optional) – $\text{vec1} \otimes \text{vec2}$ 的乘数 ($\alpha$)

• out (Tensor, optional) – 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.]])