jax.numpy.matmul

目录

jax.numpy.matmul#

jax.numpy.matmul(a, b, *, precision=None, preferred_element_type=None)[源代码][源代码]#

执行矩阵乘法。

JAX 实现的 numpy.matmul()。

参数:

  • a (ArrayLike) – 第一个输入数组，形状为 (N,) 或 (..., K, N)。

  • b (ArrayLike) – 第二个输入数组。必须具有形状 (N,) 或 (..., N, M)。在多维情况下，前导维度必须与 a 的前导维度广播兼容。

  • precision (PrecisionLike) – 可以是 None``（默认），这意味着后端的默认精度，一个 :class:`~jax.lax.Precision` 枚举值（``Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST），或者是一个包含两个此类值的元组，指示 a 和 b 的精度。

  • preferred_element_type (DTypeLike | None) – ``None``（默认），这意味着输入类型的默认累积类型，或者是一个数据类型，指示将结果累积到并返回该数据类型的结果。

返回:

包含输入矩阵乘积的数组。如果 b.ndim == 1，形状为 a.shape[:-1]，否则形状为 (..., M)，其中 a 和 b 的前导维度一起广播。

返回类型:

Array

参见

示例

向量点积：

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

矩阵点积：

>>> 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)

为了方便，在所有情况下，你可以使用 @ 运算符进行相同的计算：

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