pytorch matmul 高维乘法 解读

二维情况下两个tensor matmul就是矩阵乘法，但是当高维的情况呢？

构建（2，3，2）tensor 和 （2，2，2）tensor 进行相乘

>>> d
tensor([[[ 0.,  1.],
         [ 2.,  3.],
         [ 4.,  5.]],

        [[ 6.,  7.],
         [ 8.,  9.],
         [10., 11.]]])


>>> e
tensor([[[0., 1.],
         [2., 3.]],

        [[4., 5.],
         [6., 7.]]])


>>> f=torch.matmul(d,e)
>>> f
tensor([[[  2.,   3.],
         [  6.,  11.],
         [ 10.,  19.]],

        [[ 66.,  79.],
         [ 86., 103.],
         [106., 127.]]])

 在第一维上，两个tensor对应位置的矩阵相乘。

这是两个tensor第一维相同的情况，如果第一维不相同的话，分成两种情况

1.两个tensor 有某个tensor第一维为1，那么就是用这个tensor的里面的后两维组成的矩阵和另外一个tensor的第一维里面的两个矩阵分别相乘

2.两个tensor里面没有某个tensor 第一维为1，出错。