pytorch-了解图卷积的Einsum用法

我正在这里阅读时空图卷积运算的代码：https://github.com/yysijie/st-gcn/blob/master/net/utils/tgcn.py我很难理解einsum操作的情况。尤其是

对于x形状张量(N, kernel_size, kc//kernel_size, t, v)，其中kernel\u大小通常为3，假设kc=64*kernel_size,t是帧数，例如64，和v顶点数，例如25。N是批次大小。

现在是张量A对于形状（3、25、25），其中每个维度都是图顶点上的过滤操作，einsum计算为：

x = torch.einsum('nkctv,kvw->nctw', (x, A)) 

我不确定如何解释这个表达式。我认为它的意思是，对于每个批处理元素，对于 64 个通道中的每个通道c_i，将通过该通道的 (64, 25) 特征图的矩阵乘法获得的三个矩阵中的每一个与 的值相加A[i]。我有这个正确的吗？kc这个表达式有点拗口，在符号方面，作为一个变量名似乎有点奇怪，但随后分解k为内核大小和c通道数 (192//3 = 64) einsum 的表达式。任何见解表示赞赏。