快捷方式

torch.cholesky_solve

torch.cholesky_solve(B, L, upper=False, *, out=None) Tensor

计算给定其 Cholesky 分解的复厄米特或实对称正定 lhs 线性方程组的解。

AA 为复厄米特或实对称正定矩阵,LL 为其 Cholesky 分解,使得

A=LLHA = LL^{\text{H}}

其中 LHL^{\text{H}}LL 为复数时为共轭转置,当 LL 为实数时为转置。

返回以下线性系统的解 XX

AX=BAX = B

支持 float、double、cfloat 和 cdouble 数据类型。也支持矩阵批处理,如果 AABB 是矩阵批处理,则输出具有相同的批处理维度。

参数
  • B (Tensor) – 形状为 (*, n, k) 的右侧张量,其中 * 为零个或多个批处理维度

  • L (张量) – 形状为 (*, n, n) 的张量,其中 * 代表零个或多个批次维度,包含对称或厄米特正定矩阵的上下三角形 Cholesky 分解。

  • upper (布尔值, 可选) – 标志,指示 LL 是下三角形还是上三角形。默认值:False

关键字参数

out (张量, 可选) – 输出张量。如果为 None 则忽略。默认值:None

示例

>>> A = torch.randn(3, 3)
>>> A = A @ A.T + torch.eye(3) * 1e-3 # Creates a symmetric positive-definite matrix
>>> L = torch.linalg.cholesky(A) # Extract Cholesky decomposition
>>> B = torch.randn(3, 2)
>>> torch.cholesky_solve(B, L)
tensor([[ -8.1625,  19.6097],
        [ -5.8398,  14.2387],
        [ -4.3771,  10.4173]])
>>> A.inverse() @  B
tensor([[ -8.1626,  19.6097],
        [ -5.8398,  14.2387],
        [ -4.3771,  10.4173]])

>>> A = torch.randn(3, 2, 2, dtype=torch.complex64)
>>> A = A @ A.mH + torch.eye(2) * 1e-3 # Batch of Hermitian positive-definite matrices
>>> L = torch.linalg.cholesky(A)
>>> B = torch.randn(2, 1, dtype=torch.complex64)
>>> X = torch.cholesky_solve(B, L)
>>> torch.dist(X, A.inverse() @ B)
tensor(1.6881e-5)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得您的问题解答

查看资源