bmm 是 batched matrix multiple 的简写，即批量矩阵乘法，矩阵是二维的，加上batch一个维度，因此该函数的输入必须是两个三维的 tensor，三个维度代表的含义分别是：（批量，行，列）。
对于 torch.bmm(tensor_a, tensor_b) 而言，
tensor_a 的 shape 为 (a, b, c)
tensor_b 的 shape 为 (d, e, f)
要求 a = d, c = e，即批量数相同，在计算时 tensor_a 的第 i 个矩阵与 tensor_b 的第 i 个矩阵作乘法，i = 1, 2, 3, ..., a。因此为了矩阵乘法能够进行，c 和 e 必须相同。计算过程如图1所示。
测试代码如下：文章来源：https://www.toymoban.com/news/detail-698592.html
import torch
BatchMatrix1 = torch.randn((3,4,3))
BatchMatrix2 = torch.randn((3,3,4))
BatchMatrixMultiple = torch.bmm(BatchMatrix1, BatchMatrix2)
print(BatchMatrixMultiple.shape)输出为
，与图1中绿色矩阵对应。文章来源地址https://www.toymoban.com/news/detail-698592.html
到了这里，关于torch.bmm功能解读的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
