jax.numpy.matmul

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

执行矩阵乘法。

JAX 对 numpy.matmul() 的实现。

参数:

• a (Array | ndarray | bool | number | bool | int | float | complex | TypedNdArray) – 第一个输入数组，形状为 (N,) 或 (..., K, N)。

• b (Array | ndarray | bool | number | bool | int | float | complex | TypedNdArray) – 第二个输入数组。形状必须为 (N,) 或 (..., N, M)。在多维情况下，前导维度必须与 a 的前导维度兼容（广播）。

• precision (None | str | Precision | tuple[str, str] | tuple[Precision, Precision] | DotAlgorithm | DotAlgorithmPreset) – 可选 None（默认值），表示后端的默认精度；或者一个 Precision 枚举值（Precision.DEFAULT、Precision.HIGH 或 Precision.HIGHEST）；或者一个包含两个此类值的元组，用于分别指定 a 和 b 的精度。

• preferred_element_type (str | type[Any] | dtype | SupportsDType | None) – None（默认），表示输入类型的默认累加类型，或一个数据类型，表示将结果累加到该数据类型并返回具有该数据类型的。结果。

• out_sharding (NamedSharding | PartitionSpec | None)

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:

Array

另请参阅

• jax.numpy.linalg.vecdot()：批处理向量积。

• jax.numpy.linalg.tensordot()：批处理张量积。

• jax.lax.dot_general()：通用 N 维批处理点积。

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 @ 运算符执行相同的计算

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