在pytorch中将2D张量与3D张量相乘答案

【问题标题】：Multiply 2D tensor with 3D tensor in pytorch在pytorch中将2D张量与3D张量相乘
【发布时间】：2021-09-02 15:30:38
【问题描述】：

假设我有一个矩阵，例如 P = [[0,1],[1,0]] 和一个向量 v = [a,b]。如果我将它们相乘，我有：

Pv = [b,a]

矩阵P只是一个置换矩阵，它改变了每个元素的顺序。

现在假设我有相同的 P，但我有矩阵 M1 = [[1,2],[3,4]] 和 M2=[[5,6],[7,8]]。现在让我将它们组合为具有尺寸 (2,2,2) 的 3D 张量 T= [[[1,2],[3,4]], [[5,6],[7,8]]] - （C，W，H）。假设我将 P 乘以 T，这样：

PT = [[[5,6],[7,8]], [[1,2],[3,4]]]

请注意，现在 M1 现在等于 [[5,6],[7,8]] 并且 M2 等于 [[1,2],[3,4]]，因为这些值已在 T 中的 C 维度上进行了置换(C,W,H)。

如何使用 matmul 在 pytorch 中乘以 PT（P=2D 张量，T=3D 张量）？以下方法不起作用：

torch.matmul(P, T)

【问题讨论】：

【解决方案1】：

@mlucy 的answer 的替代解决方案是使用torch.einsum。这样做的好处是可以自己定义操作，而不用担心torch.matmul 的要求：

>>> torch.einsum('ij,jkl->ikl', P, T)
tensor([[[5, 6],
         [7, 8]],

        [[1, 2],
         [3, 4]]])

或者torch.matmul:

>>> (P @ T.flatten(1)).reshape_as(T)
tensor([[[5, 6],
         [7, 8]],

        [[1, 2],
         [3, 4]]])

【讨论】：

【解决方案2】：

你可以这样做：

torch.matmul(P, X.flatten(1)).reshape(X.shape)

【讨论】：