mindspore.ops.baddbmm

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

对 batch1 和 batch2 中的矩阵相乘，并与 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 \((C, W, H)\) 的tensor进行广播，且输出将是大小为 \((C, W, H)\) 的tensor。

• 若 beta 为0，那么 input 将会被忽略。

• 当输入的类型不是 FloatTensor 时，参数 beta 和 alpha 必须是整数。

\[\text{out}_{i} = \beta \text{input}_{i} + \alpha (\text{batch1}_{i} \mathbin{@} \text{batch2}_{i})\]

参数：

• input (Tensor) - 输入tensor。

• batch1 (Tensor) - 第一个batch矩阵。

• batch2 (Tensor) - 第二个batch矩阵。

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

• alpha (Union[float, int]，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
>>> input = mindspore.ops.ones((3, 3))
>>> batch1 = mindspore.tensor([[8., 7., 6.], [5., 4., 3.], [2., 1., 0.]])
>>> batch2 = mindspore.tensor([[5., 4., 3.], [2., 1., 0.], [8., 7., 6.]])
>>> output = mindspore.ops.baddbmm(input, batch1, batch2)
>>> print(output)
[[103.  82.  61.]
 [ 58.  46.  34.]
 [ 13.  10.   7.]]