jax.numpy.matmul

jax.numpy.matmul(a, b, *, precision=None, preferred_element_type=None)

執行矩陣乘法。

JAX 實作的 numpy.matmul()。

參數:

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

• b (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 a 的前導維度廣播相容。

• precision (PrecisionLike) – None (預設值)，表示後端的預設精確度；Precision 列舉值 (Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST)；或一組包含兩個此類值的元組，指示 a 和 b 的精確度。

• preferred_element_type (DTypeLike | None) – None (預設值)，表示輸入類型的預設累積類型；或資料類型，指示將結果累積到該資料類型並傳回具有該資料類型的結果。

傳回值:

包含輸入的矩陣乘積的陣列。如果 b.ndim == 1，則形狀為 a.shape[:-1]，否則形狀為 (..., K, M)，其中 a 和 b 的前導維度會一起廣播。

傳回類型:

Array

另請參閱

• jax.numpy.linalg.vecdot()：批次向量乘積。

• jax.numpy.linalg.tensordot()：批次張量乘積。

• jax.lax.dot_general()：一般 N 維批次點積。

範例

向量點積

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

矩陣點積

>>> a = jnp.array([[1, 2, 3],
...                [4, 5, 6]])
>>> b = jnp.array([[1, 2],
...                [3, 4],
...                [5, 6]])
>>> jnp.matmul(a, b)
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

>>> a @ b
Array([[22, 28],
       [49, 64]], dtype=int32)