mindspore.ops.addbmm

mindspore.ops.addbmm(input, batch1, batch2, *, beta=1, alpha=1)

对 batch1 和 batch2 中的矩阵相乘，按照第一维度累计相加，再与 input 相加。

说明

• batch1 和 batch2 必须是三维的tensor，且包含相同数量的矩阵。

• 如果 batch1 是大小为 \((C, W, T)\) 的tensor， batch2 是大小为 \((C, T, H)\) 的tensor， 则 input 必须能够与大小为 \((W, H)\) 的tensor进行广播，且输出将是大小为 \((W, H)\) 的tensor。

• 若 beta 为0，那么 input 将会被忽略。

\[output = \beta input + \alpha (\sum_{i=0}^{b-1} {batch1_i @ batch2_i})\]

参数：

• input (Tensor) - 输入tensor。

• batch1 (Tensor) - 第一个将被乘batch矩阵。

• batch2 (Tensor) - 第二个将被乘batch矩阵。

关键字参数：

• beta (Union[int, float]，可选) - input 的尺度因子。默认 1 。

• alpha (Union[int, float]，可选) - （ batch1 @ batch2 ）的尺度因子。默认 1 。

返回：

Tensor

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> m = mindspore.ops.ones((3, 3))
>>> arr1 = mindspore.tensor([[8., 7., 6.], [5., 4., 3.], [2., 1., 0.]])
>>> arr2 = mindspore.tensor([[5., 4., 3.], [2., 1., 0.], [8., 7., 6.]])
>>> output = mindspore.ops.addbmm(m, arr1, arr2)
>>> print(output)
[[172. 136. 100.]
 [172. 136. 100.]
 [172. 136. 100.]]