PyTorch 中的 mul
2021-04-22 03:18:28
PyTorch中的mul()函数用于执行元素级别的乘法运算，支持张量与张量、标量与张量、张量与标量以及标量与标量之间的操作，并可通过in-place操作直接修改输入张量。
核心功能与参数说明- 功能：对输入的两个参数（input和other）进行逐元素乘法运算，结果张量的每个元素为input和other对应位置元素的乘积。
- 参数类型：
input：可为PyTorch张量或标量（int、float、complex、bool类型）。
other：可为PyTorch张量或标量（类型同input）。
out（可选）：指定输出张量的存储位置，避免额外内存分配。
- 形状兼容性：
若input和other均为张量，其形状需满足广播规则（如[3]与[2,3]可广播为[2,3]）。
若其中一者为标量，则标量会与另一张量的每个元素相乘。
张量与张量相乘输入张量形状需兼容，结果为逐元素乘积。
import torchtensor1 = torch.tensor([9, 7, 6])tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]])result = torch.mul(input=tensor1, other=tensor2)# 输出：tensor([[36, -28, 18], [-18, 35, -30]])标量与张量相乘标量与张量每个元素相乘，结果形状与原张量一致。
result = torch.mul(input=9, other=tensor2)# 输出：tensor([[36, -36, 27], [-18, 45, -45]])result = torch.mul(input=tensor1, other=4)# 输出：tensor([36, 28, 24])标量与标量相乘直接返回两标量的乘积，结果为标量张量。
result = torch.mul(input=9, other=4)# 输出：tensor(36)支持的数据类型除整数外，mul()还支持浮点数、复数和布尔类型：
浮点数示例：torch.mul(input=1.5, other=torch.tensor([2.0, 3.0]))
复数示例：torch.mul(input=1+2j, other=torch.tensor([1j, 2j]))
布尔类型示例：torch.mul(input=True, other=torch.tensor([True, False]))
通过添加下划线（_）直接修改输入张量，减少内存开销：
tensor1.mul_(other=tensor2) # tensor1被修改为乘积结果multiply()函数multiply()是mul()的别名，功能完全相同，可互换使用：
result = torch.multiply(input=tensor1, other=4) # 等价于torch.mul()注意事项- 形状匹配：张量相乘时需确保形状兼容，否则会报错（如[3]与[4]无法广播）。
- 数据类型一致性：若输入为不同类型（如int与float），结果会自动向上转换（如int * float → float）。
- 性能优化：对大规模张量操作时，in-place操作（mul_）可提升效率，但会覆盖原数据，需谨慎使用。
mul()是PyTorch中基础的元素级乘法函数，支持多种数据类型和形状组合，并通过in-place操作优化性能。其别名multiply()提供更直观的命名选择。使用时需确保参数形状兼容，并根据需求选择是否直接修改输入张量。
热门标签
