Python PyTorch lu_unpack用法及代码示例

本文简要介绍python语言中 torch.lu_unpack 的用法。

用法:

torch.lu_unpack(LU_data, LU_pivots, unpack_data=True, unpack_pivots=True, *, out=None)

参数：

• LU_data(Tensor) -打包的 LU 分解数据

• LU_pivots(Tensor) -打包的 LU 分解支点

• unpack_data(bool) -指示是否应解包数据的标志。如果 False ，则返回的 L 和 U 为 None 。默认值：True

• unpack_pivots(bool) -指示是否应将主元解压缩为置换矩阵 P 的标志。如果 False ，则返回的 P 为 None 。默认值：True

• out(tuple,可选的) -用于输出 (P, L, U) 的三个张量的元组。

将数据解包并从张量的 LU 因式分解为张量 L 和 U 以及排列张量 P 以便 LU_data, LU_pivots = (P @ L @ U).lu() 。

返回张量的元组为(the P tensor (permutation matrix), the L tensor, the U tensor).

注意

P.dtype == LU_data.dtype 和 P.dtype 不是整数类型，因此可以使用 P 的矩阵乘积而不将其转换为浮点类型。

例子：

>>> A = torch.randn(2, 3, 3)
>>> A_LU, pivots = A.lu()
>>> P, A_L, A_U = torch.lu_unpack(A_LU, pivots)
>>>
>>> # can recover A from factorization
>>> A_ = torch.bmm(P, torch.bmm(A_L, A_U))

>>> # LU factorization of a rectangular matrix:
>>> A = torch.randn(2, 3, 2)
>>> A_LU, pivots = A.lu()
>>> P, A_L, A_U = torch.lu_unpack(A_LU, pivots)
>>> P
tensor([[[1., 0., 0.],
         [0., 1., 0.],
         [0., 0., 1.]],

        [[0., 0., 1.],
         [0., 1., 0.],
         [1., 0., 0.]]])
>>> A_L
tensor([[[ 1.0000,  0.0000],
         [ 0.4763,  1.0000],
         [ 0.3683,  0.1135]],

        [[ 1.0000,  0.0000],
         [ 0.2957,  1.0000],
         [-0.9668, -0.3335]]])
>>> A_U
tensor([[[ 2.1962,  1.0881],
         [ 0.0000, -0.8681]],

        [[-1.0947,  0.3736],
         [ 0.0000,  0.5718]]])
>>> A_ = torch.bmm(P, torch.bmm(A_L, A_U))
>>> torch.norm(A_ - A)
tensor(2.9802e-08)