你要求了几件事，而你所做的是没有效率的。

Matmul无整形

正如我将在下面解释的那样，你不应该做这种收缩。但假设你想。您无法避免“拆分”轴36 -> 6 * 6的整形，但可以通过使用torch.tensordot来避免合并6 * 303 -> 1980。对你来说

b = a.reshape(330, 330, 6, 6)
c = torch.tensordot(b, b, ([1, 3], [0, 2]))  # shape [330, 6, 330, 6]

矩阵列表

如果它是一个torch.Tensor的列表，你不能绕过doint某种类型的循环，所以没有“一个命令”的解决方案。如果您有一个Tensor，创建例如通过torch.tensor，比方说对as.shape == (42, 330, 330, 36)的形状进行42不同的“矩阵”，可以批量进行 Torch 操作;

bs = as.reshape(42, 330, 330, 6, 6)
cs = torch.tensordot(bs, bs, ([2, 4], [1, 3]))  # shape [42, 330, 6, 330, 6]

更有效的方式来计算你所追求的

看起来你只对矩阵乘积的几个对角元素感兴趣。在您的情况下，只有1980 * 1980总条目的5。因此，您应该只计算这些条目，因为不需要计算其他大约4000000条目。例如

b = a.reshape(330, 330, 6, 6)
c = torch.sum(b[0, :, 1:5, :] * b[:, 0, :, 1:5])

应该给予给予和你在上面的片段中得到的一样。请注意，由于C风格的重塑，索引1:5变为0和1:5，例如。

after_reshape = before_reshape.reshape(330, 6)
before_reshape[1:5] == after_reshape[0, 1:5]