torch.linalg.cholesky_ex¶
- torch.linalg.cholesky_ex(A, *, upper=False, check_errors=False, out=None)¶
计算复厄米特或实对称正定矩阵的 Cholesky 分解。
此函数跳过
torch.linalg.cholesky()
的(缓慢的)错误检查和错误消息构建,而是直接将 LAPACK 错误代码作为命名元组(L, info)
的一部分返回。这使得此函数成为检查矩阵是否为正定的一种更快的方法,并且它提供了一个机会来比torch.linalg.cholesky()
更优雅或更高效地处理分解错误。支持 float、double、cfloat 和 cdouble 数据类型作为输入。还支持矩阵批处理,如果
A
是一个矩阵批处理,则输出具有相同的批处理维度。如果
A
不是厄米特正定矩阵,或者如果它是矩阵批处理且其中一个或多个不是厄米特正定矩阵,则info
为相应的矩阵存储一个正整数。正整数表示不是正定的前导子式的阶数,并且无法完成分解。用零填充的info
表示分解成功。如果check_errors=True
且info
包含正整数,则会抛出 RuntimeError。注意
当输入在 CUDA 设备上时,此函数仅在
check_errors
= True 时同步。警告
此函数为“实验性”函数,它可能会在将来的 PyTorch 版本中发生更改。
另请参阅
torch.linalg.cholesky()
是一个 NumPy 兼容的变体,它始终检查错误。- 参数
A (张量) – 厄米特 n times n 矩阵或大小为 (*, n, n) 的此类矩阵的批处理,其中 * 是一个或多个批处理维度。
- 关键字参数
示例
>>> 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)