jax.numpy.matmul

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

执行矩阵乘法。

numpy.matmul() 的 JAX 实现。

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)，表示后端的默认精度，或者是一个 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，表示 a 和 b 的精度。

• preferred_element_type (DTypeLike | None) – 可以是 None (默认)，表示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具有该数据类型的结果。

返回:

包含输入矩阵乘积的数组。如果 b.ndim == 1，则形状为 a.shape[:-1]，否则形状为 (..., K, M)，其中 a 和 b 的前导维度被广播在一起。

返回类型:

数组

另请参阅

• jax.numpy.linalg.vecdot()：批量向量积。

• jax.numpy.linalg.tensordot()：批量张量积。

• jax.lax.dot_general()：通用的 N 维批量点积。

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)

为了方便起见，在所有情况下，您都可以使用 @ 运算符进行相同的计算

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