代码

import torch

x = torch.arange(1, 5).view(2, 2)
# 1 2
# 3 4
print(x)
# 例1、求对角线之和
print(torch.trace(x))  # 求矩阵的迹(对角线之和)

# 例2、求对角线元素
print(torch.diag(x))

# 例3、求矩阵上三角/下三角，其他位置填0
print(torch.triu(x))  # 上三角
print(torch.tril(x))  # 下三角

# 例4、求矩阵的乘法
# mm() 矩阵相乘，针对二维矩阵
a = torch.Tensor([[1, 2], [3, 4]])
b = torch.Tensor([[5, 6], [7, 8]])
c = torch.mm(a, b)  # 等价于 c = torch.matmul(a, b)
print(c, '\n')

# bmm() 批量矩阵相乘，针对三维矩阵
a = torch.Tensor([[[1, 2], [3, 4]],
                  [[5, 6], [7, 8]]])
b = torch.Tensor([[[5, 6], [7, 8]],
                  [[1, 2], [3, 4]]])
c = torch.bmm(a, b)  # 等价于 c = torch.matmul(a, b)
print(c, '\n')

# 例5、矩阵运算
# addmm() 加法
a = torch.Tensor([[1, 2],
                  [3, 4]])
m1 = torch.Tensor([[1, 2],
                   [3, 4]])
m2 = torch.Tensor([[5, 6],
                   [7, 8]])
c = torch.addmm(a, m1, m2)  # 等价于 c = torch.add(a, torch.mm(m1, m2))

# addbmm() 批量矩阵相乘,等价于 c = torch.add(a, torch.bmm(m1, m2))
# addmv() 矩阵和向量相乘,等价于 c = torch.add(a, torch.mv(m1, m2))

# 例6、矩阵向量相乘 (补充下mv操作)
a = torch.Tensor([[1, 2],
                  [3, 4]])
b = torch.Tensor([1, 2])
print(torch.mv(a, b)) # 矩阵 * 向量

# 例7、矩阵转置
a = torch.Tensor([[1, 2],
                  [3, 4]])
print(torch.t(a))  # 转置

# 例8、矩阵求逆
a = torch.Tensor([[1, 2],
                  [3, 4]])
print(torch.inverse(a))  # 求逆

# 例9、矩阵求行列式
a = torch.Tensor([[1, 2],
                  [3, 4]])
print(torch.det(a))  # 求行列式

运行结果

tensor([[1, 2],
        [3, 4]])
tensor(5)
tensor([1, 4])
tensor([[1, 2],
        [0, 4]])
tensor([[1, 0],
        [3, 4]])
tensor([[19., 22.],
        [43., 50.]]) 

tensor([[[19., 22.],
         [43., 50.]],

        [[23., 34.],
         [31., 46.]]]) 

tensor([ 5., 11.])
tensor([[1., 3.],
        [2., 4.]])
tensor([[-2.0000,  1.0000],
        [ 1.5000, -0.5000]])
tensor(-2.)