本文简要介绍python语言中 torch.linalg.cholesky_ex
的用法。
用法:
torch.linalg.cholesky_ex(A, *, upper=False, check_errors=False, out=None)
A(Tensor) -Hermitian
n times n
矩阵或大小为(*, n, n)
的此类矩阵的批次,其中*
是一个或多个批次维度。计算复 Hermitian 或实对称正定矩阵的 Cholesky 分解。
此函数跳过
torch.linalg.cholesky()
的(缓慢)错误检查和错误消息构造,而是直接返回 LAPACK 错误代码作为命名元组(L, info)
的一部分。这使得此函数成为检查矩阵是否为正定矩阵的更快方法,并且它提供了比torch.linalg.cholesky()
更优雅或更高效地处理分解错误的机会。支持 float、double、cfloat 和 cdouble dtypes 的输入。还支持批量矩阵,如果
A
是批量矩阵,则输出具有相同的批量维度。如果
A
不是埃尔米特正定矩阵,或者它是一批矩阵,其中一个或多个不是埃尔米特正定矩阵,则info
为相应矩阵存储一个正整数。正整数表示前导次数的阶数不是正定的,无法完成分解。info
填充零表示分解成功。如果check_errors=True
和info
包含正整数,则抛出RuntimeError。注意
如果
A
在一个 CUDA 设备上,这个函数可以将该设备与 CPU 同步。警告
此函数是“experimental”,它可能会在未来的PyTorch 版本中更改。
例子:
>>> A = torch.randn(2, 2, dtype=torch.complex128) >>> A = A @ A.t().conj() # creates a Hermitian positive-definite matrix >>> L, info = torch.linalg.cholesky_ex(A) >>> A tensor([[ 2.3792+0.0000j, -0.9023+0.9831j], [-0.9023-0.9831j, 0.8757+0.0000j]], dtype=torch.complex128) >>> L tensor([[ 1.5425+0.0000j, 0.0000+0.0000j], [-0.5850-0.6374j, 0.3567+0.0000j]], dtype=torch.complex128) >>> info tensor(0, dtype=torch.int32)
参数:
关键字参数:
相关用法
- Python PyTorch cholesky_solve用法及代码示例
- Python PyTorch cholesky_inverse用法及代码示例
- Python PyTorch cholesky用法及代码示例
- Python PyTorch chunk用法及代码示例
- Python PyTorch chain_matmul用法及代码示例
- Python PyTorch checkpoint_sequential用法及代码示例
- Python PyTorch column_stack用法及代码示例
- Python PyTorch cumprod用法及代码示例
- Python PyTorch calculate_gain用法及代码示例
- Python PyTorch cov用法及代码示例
- Python PyTorch cos用法及代码示例
- Python PyTorch compute_deltas用法及代码示例
- Python PyTorch conv_transpose3d用法及代码示例
- Python PyTorch combinations用法及代码示例
- Python PyTorch conv2d用法及代码示例
- Python PyTorch cummax用法及代码示例
- Python PyTorch custom_from_mask用法及代码示例
- Python PyTorch collect_all用法及代码示例
- Python PyTorch convert用法及代码示例
- Python PyTorch conv1d用法及代码示例
- Python PyTorch cat用法及代码示例
- Python PyTorch constant_用法及代码示例
- Python PyTorch context用法及代码示例
- Python PyTorch count_nonzero用法及代码示例
- Python PyTorch cdist用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.linalg.cholesky_ex。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。