matmul

    输入 x 和输入 y 矩阵相乘。

    两个输入的形状可为任意维度，但当任一输入维度大于3时，两个输入的维度必须相等。 实际的操作取决于 x 、 y 的维度和 transpose_x 、 transpose_y 的布尔值。具体如下：

    • 如果 transpose 为真，则对应 Tensor 的后两维会转置。假定 x 是一个 shape=[D] 的一维 Tensor，则 x 非转置形状为 [1, D]，转置形状为 [D, 1]。转置之后的输入形状需满足矩阵乘法要求，即 x_width 与 y_height 相等。

    • 转置后，输入的两个 Tensor 维度将为 2-D 或 n-D，将根据下列规则矩阵相乘：

      • 如果两个矩阵都是 2-D，则同普通矩阵一样进行矩阵相乘。

    • 如果原始 Tensor x 或 y 的秩为 1 且未转置，则矩阵相乘后的前置或附加维度 1 将移除。

    参数：

    • x (Variable) : 输入变量，类型为 Tensor 或 LoDTensor。

    • y (Variable) : 输入变量，类型为 Tensor 或 LoDTensor。

    • transpose_x (bool) : 相乘前是否转置 x。

    • alpha (float) : 输出比例，默认为 1.0。

    • name (str|None) : 该层名称（可选），如果设置为空，则自动为该层命名。

    返回：

    • Variable (Tensor / LoDTensor)，矩阵相乘后的结果。

    返回类型：

    代码示例：

    1. import paddle.fluid as fluid
    4. # Graph Organizing
    5. x = fluid.layers.data(name='x', shape=[2, 3], dtype='float32')
    6. y = fluid.layers.data(name='y', shape=[3, 2], dtype='float32')
    7. output = fluid.layers.matmul(x, y, True, True)
    9. # Create an executor using CPU as an example
    10. exe = fluid.Executor(fluid.CPUPlace())
    11. exe.run(fluid.default_startup_program())
    13. input_x = numpy.ones([2, 3]).astype(numpy.float32)
    14. input_y = numpy.ones([3, 2]).astype(numpy.float32)
    15. res, = exe.run(fluid.default_main_program(),
    16.                feed={'x':input_x, 'y':input_y},
    17.                fetch_list=[output])
    18. print(res)
    19. '''
    20. Output Value:
    21. [[2. 2. 2.]
    22.  [2. 2. 2.]
    24. '''