主要内容

dlmti

（不推荐）批处理矩阵乘以深度学习

页面上倒塌

dlmti不推荐。用pagemtips.反而。有关更多信息，请参阅兼容性考虑因素

句法

DLC = DLMtiemes（DLA，DLB）

描述

例子

DLC.= dlmtiemes（DLA，DLB.）计算每个页面的矩阵乘法DLA.和DLB.。对于3-D输入DLA.和DLB.那DLC.计算为

DLC（：，：，i）= DLA（：，：，i）* DLB（：，：，i）
同样，对于N- 一维投入DLA.和DLB.那DLC.计算为
DLC（：，：，I1，...，IN）= DLA（：，：，I1，...，IN）* DLB（：，：，i1，...，IN）
如果其中一个DLA.或者DLB.是一种二维矩阵，该矩阵将其他输入的每个页面乘以。

例子

全部收缩

创建两个4-D阵列。

a =兰特（3,4,8,2）;b =兰特（4,5,8,2）;dla = dlarray（a）;dlb = dlarray（b）;

计算批量矩阵乘法DLA.和DLB.。

dlc = dlmtiimes（DLA，DLB）;大小（DLC）
ans = 1×4 3 5 8 2

如果其中一个输入是2-D矩阵，则该函数使用标量扩展以将该矩阵展开到与第三和更高尺寸中的另一个输入相同的大小。然后该功能对扩展矩阵和输入阵列执行批量矩阵乘法。

创建一个大小的随机数组15-×20×128。转换成dlarray.。

a = rand（15,20,3,128）;dla = dlarray（a）;

创建大小20-15的随机矩阵。

B =兰特（20,15）;

乘DLA.和B.使用dlmti。

dlc = dlmtiimes（DLA，B）;大小（DLC）
ans = 1×4 15 15 3 128

输入参数

全部收缩

操作数，指定为标量，向量，矩阵或N-D阵列。至少有一个DLA.或者DLB.必须是A.dlarray.。投入DLA.或者DLB.除非其中一个，否则不得格式化DLA.或者DLB.是一个未格式化的标量。

列的列数DLA.必须匹配行的行数DLB.。如果其中一个DLA.或者DLB.是一种二维矩阵，该矩阵将其他输入的每个页面乘以。否则，大小DLA.和DLB.对于大于两个的维度必须匹配。

输出参数

全部收缩

产品，作为标量，向量，矩阵或N-D阵列返回。

大批DLC.与输入相同的行数DLA.和与输入相同的列数DLB.，除非其中一个DLA.或者DLB.是一个标量。其他尺寸的大小DLC.匹配尺寸大于两者的尺寸DLA.和DLB.。如果DLA.或者DLB.是矩阵，其他尺寸的大小匹配另一个（非矩阵）输入的大小。如果其中一个DLA.或者DLB.是标量，DLC.具有与非标量输入相同的大小。

兼容性考虑因素

展开全部

在R2020B中不推荐

也可以看看

|||（并行计算工具箱）

话题

在R2020A中介​​绍

深度学习工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书