mindspore.Tensor.addmv

mindspore.Tensor.addmv(mat, vec, beta=1, alpha=1)[源代码]

mat 和 vec 相乘。将输入向量加到最终结果中。

如果 mat 是一个大小为 \((N, M)\) Tensor， vec 一个大小为 \(M\) 的一维Tensor，那么 x 必须是可广播的，且 带有一个大小为 \(N\) 的一维Tensor，同时 out 是一个大小为 \(N\) 的一维Tensor。

可选值 bata 和 alpha 分别是 mat 和 vec 矩阵向量的乘积和附加张量 x 的扩展因子。如果 beta 为0，那么 x 将被忽略。

\[output = β x + α (mat @ vec)\]
参数：

  • mat (Tensor) - 第一个需要相乘的Tensor，shape大小为 \((N, M)\) 。

  • vec (Tensor) - 第二个需要相乘的Tensor，shape大小为 \((M,)\) 。

  • beta (scalar[int, float, bool], 可选) - x (β)的乘法器。 beta 必须是int或float或bool类型，默认值：1。

  • alpha (scalar[int, float, bool], 可选) - mat @ vec (α)的乘法器。 alpha 必须是int或float或bool类型，默认值：1。

返回：

Tensor，shape大小为 \((N,)\) ，数据类型与 x 相同。

异常：

  • TypeError - mat 、 vec 、 x 不是Tensor。

  • TypeError - mat 、 vec 、 x 的数据类型不一致。

  • ValueError - 如果 mat 不是一个二维Tensor。如果 x ， vec 不是一个一维Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.array([2., 3.]).astype(np.float32))
>>> mat = Tensor(np.array([[2., 5., 3.], [4., 2., 2.]]).astype(np.float32))
>>> vec = Tensor(np.array([3., 2., 4.]).astype(np.float32))
>>> output = x.addmv(mat, vec)
>>> print(output)
[30. 27.]