张量相乘

张量相乘核心结论：需先明确乘法类型（元素积/矩阵积/点积），不同类型对应不同维度要求，结果维度由乘法规则决定，核心分三类常见运算。

一、元素积（Hadamard积）：对应元素直接相乘

• 核心要求：张量维度必须完全一致（无需广播，广播仅适用于加减，不适用于元素积）。
• 运算逻辑：两个张量相同位置的元素逐一相乘，结果维度与原始张量一致。
• 示例：
  • 张量A（2×3）：[[1,2,3],[4,5,6]]
  • 张量B（2×3）：[[2,2,2],[3,3,3]]
  • 结果（2×3）：[[1×2,2×2,3×2],[4×3,5×3,6×3]] = [[2,4,6],[12,15,18]]

---

二、矩阵积（Matmul）：遵循“前张量列数=后张量行数”规则

• 核心要求：第一个张量的最后一个维度（列数），必须等于第二个张量的倒数第二个维度（行数）。
• 运算逻辑：按矩阵乘法规则，行乘列求和，结果维度为“前张量除最后一维外的所有维度 + 后张量除倒数第二维外的所有维度”。
• 示例：
  1. 2维张量（矩阵）相乘：A(2×3) × B(3×4) → 结果(2×4)
     • A：[[1,2,3],[4,5,6]]，B：[[1,0,0,0],[0,1,0,0],[0,0,1,0]]
     • 结果：[[1×1+2×0+3×0, ...], [4×1+5×0+6×0, ...]] = [[1,2,3,0],[4,5,6,0]]
  2. 3维张量相乘：A(2×3×4) × B(2×4×5) → 结果(2×3×5)（第一维“2”保持一致，3×4 与 4×5 运算得 3×5）

---

三、点积（Dot）：所有元素对应相乘后求和

• 核心要求：两个张量需为“一维张量（向量）”，或可通过展平为一维张量（高维张量点积等价于展平后一维向量点积）。
• 运算逻辑：对应元素相乘后求和，结果为一个标量（0维张量）。
• 示例：
  • 向量A(1×3)：[1,2,3]，向量B(1×3)：[4,5,6]
  • 结果：1×4 + 2×5 + 3×6 = 4 + 10 + 18 = 32

---

要不要我帮你生成不同类型张量相乘的代码实现示例（含PyTorch/TensorFlow的元素积、matmul、dot函数用法）？