torch.linalg.cond¶
- torch.linalg.cond(A, p=None, *, out=None) Tensor ¶
计算矩阵相对于矩阵范数的条件数。
令 为 或 ,矩阵 的**条件数** 定义为
A
的条件数衡量线性系统 AX = B 相对于矩阵范数的数值稳定性。支持 float、double、cfloat 和 cdouble 数据类型输入。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。p
定义了计算的矩阵范数。支持以下范数p
矩阵范数
None
2-范数(最大奇异值)
‘fro’
弗罗贝尼乌斯范数
‘nuc’
核范数
inf
max(sum(abs(x), dim=1))
-inf
min(sum(abs(x), dim=1))
1
max(sum(abs(x), dim=0))
-1
min(sum(abs(x), dim=0))
2
最大奇异值
-2
最小奇异值
其中 inf 指的是 float(‘inf’),NumPy 的 inf 对象,或任何等效的对象。
对于
p
为 (‘fro’, ‘nuc’, inf, -inf, 1, -1) 中的一个,此函数使用torch.linalg.norm()
和torch.linalg.inv()
。因此,在这种情况下,矩阵(或批次中的每个矩阵)A
必须是方阵且可逆。对于
p
在 (2, -2) 中,此函数可以用奇异值在这些情况下,它是使用
torch.linalg.svdvals()
计算的。对于这些范数,矩阵(或批次中的每个矩阵)A
可以具有任何形状。注意
当输入在 CUDA 设备上时,如果
p
为 (‘fro’, ‘nuc’, inf, -inf, 1, -1) 中的一个,则此函数会将该设备与 CPU 同步。- 参数
- 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。
- 返回值
一个实值张量,即使
A
是复数。- 引发
运行时错误 – 如果
p
为 (‘fro’, ‘nuc’, inf, -inf, 1, -1) 中的一个,并且A
矩阵或批次A
中的任何矩阵不是方阵或不可逆。
示例
>>> A = torch.randn(3, 4, 4, dtype=torch.complex64) >>> torch.linalg.cond(A) >>> A = torch.tensor([[1., 0, -1], [0, 1, 0], [1, 0, 1]]) >>> torch.linalg.cond(A) tensor([1.4142]) >>> torch.linalg.cond(A, 'fro') tensor(3.1623) >>> torch.linalg.cond(A, 'nuc') tensor(9.2426) >>> torch.linalg.cond(A, float('inf')) tensor(2.) >>> torch.linalg.cond(A, float('-inf')) tensor(1.) >>> torch.linalg.cond(A, 1) tensor(2.) >>> torch.linalg.cond(A, -1) tensor(1.) >>> torch.linalg.cond(A, 2) tensor([1.4142]) >>> torch.linalg.cond(A, -2) tensor([0.7071]) >>> A = torch.randn(2, 3, 3) >>> torch.linalg.cond(A) tensor([[9.5917], [3.2538]]) >>> A = torch.randn(2, 3, 3, dtype=torch.complex64) >>> torch.linalg.cond(A) tensor([[4.6245], [4.5671]])