Python 2D乘以2D等于3d pytorch张量

给定两个二维pytorch张量：

A=torch.FloatTensor（[[1,2]，[3,4]）
B=火炬.浮标张量（[[0,0]，[1,1]，[2,2]]

是否有一种有效的方法来计算形状张量（6，2，2），其中每个条目是

a

的列乘以

B

的每行

例如，对于上面的A和B，3D张量应具有以下矩阵：

[[0,0]，
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]

我知道如何通过for循环来实现，但我想知道是否有一种有效的方法来保存它。

Pytorch张量实现，它将解决这个问题

这个问题不清楚你是想执行矩阵乘法还是元素乘法。在长度2的情况下，你展示了两者是等价的，但对于更高的维度，这肯定不是真的！谢天谢地，代码几乎相同，所以我只给出两个选项

A=torch.FloatTensor（[[1,2]，[3,4]）
B=火炬.浮标张量（[[0,0]，[1,1]，[2,2]]
#矩阵乘法
C_mm=（A.T[：，无，：，无]@B[无，：，无，：]）。展平（0，1）
#元素乘法
C_ew=（A.T[：，无，：，无]*B[无，：，无，：]）。展平（0，1）

---

代码描述。A.T转置A，使用None的索引插入单一维度，因此A.T[：，None，：，None]将是形状（2，1，2，1）和B[None，：，None，：]是形状（1，3，1，2）。由于

@

（矩阵乘法）对张量的最后两个维度进行运算，并广播其他维度，因此结果是

A

的每一列乘以

B

的每一行的矩阵乘法。在元素方面的情况下，在每个维度上执行广播。结果是一个

（2,3,2,2）

张量。要把它变成一个

（6，2，2）

张量，我们只需要用

将前两个维度展平。你是指矩阵乘法还是广播元素乘法？当A和B的行和列的长度为2时，两者给出相同的结果。谢谢。这部分解决了我的大问题。