PyTorch torch.mv 関数
Pytorch torch リファレンスマニュアルtorch.mvPyTorch で行列ベクトル乗算を実行するための関数です。行列とベクトルの積を計算します。
関数定義
torch.mv(input, vec, out=None)
パラメータ:
input(Tensor): 入力行列、形状は (n, m) です。vec(Tensor): 入力ベクトル、形状は (m,) または (m, 1) です。out(Tensor, オプション): 出力テンソル。
戻り値:
torch.Tensor: 行列ベクトル積を返します。形状は (n,) です。
使用例
例
import torch
# 行列とベクトルを作成
mat = torch.randn(3, 4)
vec = torch.randn(4)
# 行列ベクトル乗算
result = torch.mv(mat, vec)
print("行列形状:", mat.shape)
print("ベクトル形状:", vec.shape)
print("結果形状:", result.shape)
print("結果:", result)
# 行列とベクトルを作成
mat = torch.randn(3, 4)
vec = torch.randn(4)
# 行列ベクトル乗算
result = torch.mv(mat, vec)
print("行列形状:", mat.shape)
print("ベクトル形状:", vec.shape)
print("結果形状:", result.shape)
print("結果:", result)
出力結果は次のとおりです。
矩阵形状: torch.Size([3, 4]) 向量形状: torch.Size([4]) 结果形状: torch.Size([3]) tensor([-0.1861, 0.2482, -0.4375])
例 - ニューラルネットワーク層の計算
import torch
# ニューラルネットワークの全結合層をシミュレートする
W = torch.randn(512, 256) # 重み行列
x = torch.randn(256) # 入力ベクトル
# y = W @ x を計算
y = torch.mv(W, x)
print("重み行列形状:", W.shape)
print("入力ベクトル形状:", x.shape)
print("出力ベクトル形状:", y.shape)
# ニューラルネットワークの全結合層をシミュレートする
W = torch.randn(512, 256) # 重み行列
x = torch.randn(256) # 入力ベクトル
# y = W @ x を計算
y = torch.mv(W, x)
print("重み行列形状:", W.shape)
print("入力ベクトル形状:", x.shape)
print("出力ベクトル形状:", y.shape)
その他の拡張