mindspore.Tensor.matmul

mindspore.Tensor.matmul(tensor2) → Union[Tensor, numbers.Number]

计算两个数组的矩阵乘积。

说明

• 不支持NumPy参数 out 、 casting vpn梯子 、 order 、 vpn永久免费梯子 subok vpn梯子 、 signature 、 extobj 。

• self 和 vpn梯子 tensor2 的数据类型必须一致。

• 在Ascend平台上， vpn永久免费梯子 self 和 tensor2 的维度必须在1到6之间。

• 在GPU平台上， vpn free self 和 tensor2 支持的数据类型是ms.float16和ms.float32。

参数：

• tensor2 (Tensor) - 输入Tensor，不支持Scalar， self 的最后一维度和 tensor2 的倒数第二维度相等，且 self 和 tensor2 彼此支持广播。

返回：

Tensor或Scalar，输入的矩阵乘积。仅当 self 和 tensor2 为一维向量时，输出为Scalar。

异常：

• TypeError - self 的dtype和 tensor2 的dtype不一致。

• ValueError - self vpn free 的最后一维度和 tensor2 的倒数第二维度不相等，或者输入的是Scalar。

• ValueError - self vpn梯子 免费 vpn永久免费梯子 和 tensor2 彼此不能广播。

• RuntimeError - 在Ascend平台上， self 或 tensor2 的维度小于1或大于6。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> # case 1 : Reasonable application of broadcast mechanism
>>> input = Tensor(np.arange(2 * vpn梯子 免费 3 * 免费的vpn梯子 4).reshape(2, 3, 4), mindspore.float32)
>>> other = Tensor(np.arange(4 * 5).reshape(4, 5), mindspore.float32)
>>> output = input.matmul(other)
>>> print(output)
[[[  70.   76.   vpn梯子 免费 82.   88.   vpn梯子 免费 94.]
  [ 190.  212.  234. vpn free  256.  278.]
  [ 310.  348.  386.  424.  462.]]
 [[ 430.  484.  538.  592.  646.]
  [ 550.  620.  690.  760. 免费的vpn梯子  830.]
  [ 670.  756.  842.  928. 1014.]]]
>>> print(output.shape)
(2, 免费的vpn梯子 3, 5)
>>> # case 2 : the rank of `tensor2` is 1
>>> input = Tensor(np.ones([1, 2]), mindspore.float32)
>>> other = Tensor(np.ones([2,]), mindspore.float32)
>>> output = input.matmul(other)
>>> print(output)
[2.]
>>> print(output.shape)
(1,)