主要内容

dlmtimes

(不推荐)用于深度学习的批矩阵乘法

折叠所有页面

dlmtimes不推荐。使用pagemtimes代替。有关更多信息，请参见兼容性的考虑

语法

dlC = dlmtimes(国防后勤局,下文)

描述

例子

数据链路控制=dlmtimes(国防后勤局,下文）计算每一页的矩阵乘法国防后勤局和下文．3 d输入国防后勤局和下文，数据链路控制是计算

dlC(:，:，i) = dlA(:，:，i) * dlB(:，:，i)
同样的,对n-维度输入国防后勤局和下文，数据链路控制是计算
数据链路控制(:,:,i1,…,)=国防后勤局(:,:,i1,…,)*下文(:,:,i1,…,)
如果一个人的国防后勤局或下文是一个二维矩阵，这个矩阵乘以其他输入的每一页。

例子

全部折叠

创建两个4-D数组。

一个=兰德(3、4、8、2);B =兰德(4、5、8、2);国防后勤局= dlarray(一个);下文= dlarray (B);

计算的批处理矩阵乘法国防后勤局和下文．

dlC = dlmtimes(国防后勤局,下文);大小(dlC)
Ans = 1×4 3 5 8 2

如果其中一个输入是二维矩阵，则函数使用标量展开将该矩阵展开为与第三维度和更高维度中的其他输入相同的大小。然后，该函数对扩展矩阵和输入数组执行批处理矩阵乘法。

创建一个大小为15 × 20 × 3 × 128的随机数组。转换为dlarray．

一个=兰德(15 20 3128);国防后勤局= dlarray(一个);

创建一个大小为20 × 15的随机矩阵。

B =兰德(20、15);

乘国防后勤局和B使用dlmtimes．

dlC = dlmtimes(国防后勤局,B);大小(dlC)
Ans = 1×4 15 15 3 128

输入参数

全部折叠

操作数，指定为标量、向量、矩阵或N-D数组。至少一个国防后勤局或下文必须是一个dlarray．输入国防后勤局或下文必须不被格式化，除非国防后勤局或下文是一个未格式化的标量。

的列数国防后勤局必须匹配的行数下文．如果一个人的国防后勤局或下文是一个二维矩阵，这个矩阵乘以其他输入的每一页。否则，大小为国防后勤局和下文对于大于2的每个维度都必须匹配。

输出参数

全部折叠

乘积，返回为标量、向量、矩阵或N-D数组。

大堆数据链路控制是否与输入的行数相同国防后勤局和输入的列数相同下文，除非国防后勤局或下文是一个标量。其他维度的大小数据链路控制匹配大于两个维度的尺寸国防后勤局和下文．如果国防后勤局或下文是一个矩阵，其他维度的大小与其他(非矩阵)输入的大小匹配。如果一个人的国防后勤局或下文是一个标量,数据链路控制具有与非标量输入相同的大小。

兼容性的考虑

全部展开

不建议从R2020b开始

另请参阅

|||(并行计算工具箱)

主题

介绍了R2020a

深度学习工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书