torch.matmul
torch.matmul是PyTorch中执行一般矩阵乘法的函数，它接受两个矩阵作为输入，并返回它们的乘积。它适用于任何两个矩阵，无论是密集矩阵还是稀疏矩阵。
python
import torch
# 创建两个 2x2 矩阵
mat1 = torch.tensor([[1, 2], [3, 4]])
mat2 = torch.tensor([[5, 6], [7, 8]])
# 使用torch.matmul进行矩阵乘法
result = torch.matmul(mat1, mat2)
print(result)torch.mm
torch.mm是PyTorch中用于密集矩阵乘法的函数。它接受两个密集矩阵作为输入，并返回它们的乘积。与torch.matmul相比，torch.mm在处理密集矩阵时具有更高的性能和更简单的语法。
python
import torch
# 创建两个 2x2 矩阵
mat1 = torch.Tensor([[1, 2], [3, 4]])
mat2 = torch.Tensor([[5, 6], [7, 8]])
# 使用torch.mm进行矩阵乘法
result = torch.mm(mat1, mat2)
print(result)torch.spmm
torch.spmm是PyTorch中用于稀疏矩阵乘法的函数。它接受两个稀疏矩阵作为输入，并返回它们的乘积。与torch.matmul和torch.mm相比，torch.spmm更适用于处理包含大量零值元素的矩阵，因为它可以有效地处理稀疏结构并减少计算量。
python
import torch
import torch.sparse_coo_tensor as coo_tensor
# 创建两个稀疏矩阵
row_0 = [0, 1, 2]
col_0 = [0, 2, 1]
value_0 = [1, 2, 3]
sparse_mat1 = coo_tensor.from_sparse((torch.tensor(row_0), torch.tensor(col_0), torch.tensor(value_0)))
row_1 = [0, 2, 3]
col_1 = [1, 0, 2]
value_1 = [4, 5, 6]
sparse_mat2 = coo_tensor.from_sparse((torch.tensor(row_1), torch.tensor(col_1), torch.tensor(value_1)))
# 使用torch.spmm进行矩阵乘法
result = torch.spmm(sparse_mat1, sparse_mat2)
print(result)