Python PyTorch matrix_rank用法及代码示例

本文简要介绍python语言中 torch.matrix_rank 的用法。

用法:

torch.matrix_rank(input, tol=None, symmetric=False, *, out=None) → Tensor

参数：

• input(Tensor) -输入二维张量

• tol(float,可选的) -公差值。默认值：None

• symmetric(bool,可选的) -指示input 是否对称。默认值：False

关键字参数：

out(Tensor,可选的) -输出张量。

返回二维张量的数值等级。默认情况下，计算矩阵秩的方法是使用 SVD 完成的。如果 symmetric 是 True ，则假设 input 是对称的，并且通过获取特征值来完成秩的计算。

tol 是阈值，低于该阈值的奇异值(或 symmetric 为 True 时的特征值)被认为是 0。如果未指定 tol，则 tol 设置为 S.max() * max(S.size()) * eps 其中 S 是奇异值(或 symmetric 为 True 时的特征值)，而 eps 是 input 数据类型的 epsilon 值。

警告

torch.matrix_rank() 已弃用，取而代之的是 torch.linalg.matrix_rank() ，并将在未来的 PyTorch 版本中删除。参数 symmetric 在 torch.linalg.matrix_rank() 中重命名为 hermitian 。

例子：

>>> a = torch.eye(10)
>>> torch.matrix_rank(a)
tensor(10)
>>> b = torch.eye(10)
>>> b[0, 0] = 0
>>> torch.matrix_rank(b)
tensor(9)