jax.numpy.linalg.matmul#

jax.numpy.linalg.matmul(x1, x2, /, *, precision=None, preferred_element_type=None)[原始碼]#

執行矩陣乘法。

JAX 實作的 numpy.linalg.matmul()。

參數:

  • x1 (ArrayLike) – 第一個輸入陣列，形狀為 (..., N)。

  • x2 (ArrayLike) – 第二個輸入陣列。必須具有形狀 (N,) 或 (..., N, M)。在多維情況下，前導維度必須與 x1 的前導維度廣播相容。

  • precision (PrecisionLike | None) – 可以是 None (預設)，表示後端的預設精度；Precision 列舉值 (Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST)；或一對表示 x1 和 x2 精度的值組。

  • preferred_element_type (DTypeLike | None | None) – 可以是 None (預設)，表示輸入類型的預設累加類型；或一資料類型，表示將結果累加至該資料類型並傳回具有該資料類型的結果。

傳回值:

包含輸入矩陣乘積的陣列。如果 x2.ndim == 1，則形狀為 x1.shape[:-1]，否則形狀為 (..., M)。

傳回類型:

Array

參見

jax.numpy.matmul()：此函數的 NumPy API。jax.numpy.linalg.vecdot()：批次向量乘積。jax.numpy.linalg.tensordot()：批次張量乘積。

範例

向量點積

>>> x1 = jnp.array([1, 2, 3])
>>> x2 = jnp.array([4, 5, 6])
>>> jnp.linalg.matmul(x1, x2)
Array(32, dtype=int32)

矩陣點積

>>> x1 = jnp.array([[1, 2, 3],
...                 [4, 5, 6]])
>>> x2 = jnp.array([[1, 2],
...                 [3, 4],
...                 [5, 6]])
>>> jnp.linalg.matmul(x1, x2)
Array([[22, 28],
       [49, 64]], dtype=int32)

為了方便起見，在所有情況下，您都可以使用 @ 運算子執行相同的計算

>>> x1 @ x2
Array([[22, 28],
       [49, 64]], dtype=int32)