本文简要介绍python语言中 torch.linalg.svd
的用法。
用法:
torch.linalg.svd(A, full_matrices=True, *, out=None)
out(tuple,可选的) -三个张量的输出元组。如果
None
则忽略。一个命名元组
(U, S, Vh)
对应于上面的 、 、 。S
将始终为实值,即使A
很复杂。它也将按降序排列。U
和Vh
将具有与A
相同的 dtype。左/右奇异向量将分别由U
的列和Vh
的行给出。计算矩阵的奇异值分解 (SVD)。
让
是 或者 , 这全SVD矩阵的 , 如果k = min(m,n)
, 定义为其中 , 是 复数时的共轭转置, 是实值时的转置。矩阵 , (以及因此 )在实际情况下是正交的,在复杂情况下是单一的。
什么时候
m > n
(分别。m < n
) 我们可以放弃最后一个m - n
(分别。n - m
) 列U
(分别。V
) 形成减少 SVD:其中 。在这种情况下, 和 也有正交列。
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。返回的分解是一个命名元组
(U, S, Vh)
,它对应于上面的 、 、 。奇异值按降序返回。
参数
full_matrices
在完整(默认)和减少的 SVD 之间进行选择。与
numpy.linalg.svd
的区别:与
numpy.linalg.svd
不同,此函数始终返回三个张量的元组,并且不支持compute_uv
参数。请使用torch.linalg.svdvals()
,它只计算奇异值,而不是compute_uv=False
。
注意
当
full_matrices
= True
时,相对于U[…, :, min(m, n):]
和Vh[…, min(m, n):, :]
的梯度将被忽略,因为这些向量可以是相应子空间的任意基。警告
返回的张量
U
和V
不是唯一的,它们相对于A
也不是连续的。由于缺乏唯一性,不同的硬件和软件可能会计算不同的奇异向量。这种非唯一性是由于将任意一对奇异向量
-1
或复杂情况下乘以 会产生矩阵的另外两个有效奇异向量。当矩阵具有重复的奇异值时,这种非唯一性问题会更加严重。在这种情况下,可以将跨越子空间的U
和V
的相关奇异向量乘以旋转矩阵和the resulting vectors will span the same subspace。 乘以真实情况下的警告
使用
U
或Vh
计算的梯度只有在A
不具有零作为奇异值或重复奇异值时才会是有限的。此外,如果任何两个奇异值之间的距离接近于零,则梯度将在数值上不稳定,因为它取决于通过 的计算得出的奇异值 。当A
具有小的奇异值时,梯度也会在数值上不稳定,因为它还取决于 的计算。例子:
>>> A = torch.randn(5, 3) >>> U, S, Vh = torch.linalg.svd(A, full_matrices=False) >>> U.shape, S.shape, Vh.shape (torch.Size([5, 3]), torch.Size([3]), torch.Size([3, 3])) >>> torch.dist(A, U @ torch.diag(S) @ Vh) tensor(1.0486e-06) >>> U, S, Vh = torch.linalg.svd(A) >>> U.shape, S.shape, Vh.shape (torch.Size([5, 5]), torch.Size([3]), torch.Size([3, 3])) >>> torch.dist(A, U[:, :3] @ torch.diag(S) @ Vh) tensor(1.0486e-06) >>> A = torch.randn(7, 5, 3) >>> U, S, Vh = torch.linalg.svd(A, full_matrices=False) >>> torch.dist(A, U @ torch.diag_embed(S) @ Vh) tensor(3.0957e-06)
参数:
关键字参数:
返回:
相关用法
- Python PyTorch svdvals用法及代码示例
- Python PyTorch saved_tensors_hooks用法及代码示例
- Python PyTorch sqrt用法及代码示例
- Python PyTorch skippable用法及代码示例
- Python PyTorch squeeze用法及代码示例
- Python PyTorch square用法及代码示例
- Python PyTorch save_on_cpu用法及代码示例
- Python PyTorch scatter_object_list用法及代码示例
- Python PyTorch skip_init用法及代码示例
- Python PyTorch simple_space_split用法及代码示例
- Python PyTorch sum用法及代码示例
- Python PyTorch sub用法及代码示例
- Python PyTorch sparse_csr_tensor用法及代码示例
- Python PyTorch sentencepiece_numericalizer用法及代码示例
- Python PyTorch symeig用法及代码示例
- Python PyTorch sinh用法及代码示例
- Python PyTorch sinc用法及代码示例
- Python PyTorch std_mean用法及代码示例
- Python PyTorch spectral_norm用法及代码示例
- Python PyTorch slogdet用法及代码示例
- Python PyTorch symbolic_trace用法及代码示例
- Python PyTorch shutdown用法及代码示例
- Python PyTorch sgn用法及代码示例
- Python PyTorch set_flush_denormal用法及代码示例
- Python PyTorch set_default_dtype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.svd。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。