快捷方式

torch.linalg.matrix_rank

torch.linalg.matrix_rank(A, *, atol=None, rtol=None, hermitian=False, out=None) Tensor

计算矩阵的数值秩。

矩阵秩被计算为大于 max(atol,σ1rtol)\max(\text{atol}, \sigma_1 * \text{rtol}) 阈值的奇异值(或当 hermitian= True 时为绝对值中的特征值)的数量,其中 σ1\sigma_1 是最大的奇异值(或特征值)。

支持 float、double、cfloat 和 cdouble 数据类型。还支持矩阵批次,如果 A 是矩阵批次,则输出具有相同的批次维度。

如果 hermitian= True,则假设 A 如果是复数,则为厄米特矩阵,如果是实数,则为对称矩阵,但这在内部不会被检查。相反,只使用矩阵的下三角部分进行计算。

如果未指定 rtol 并且 A 是维度为 (m, n) 的矩阵,则相对容差设置为 rtol=max(m,n)ε\text{rtol} = \max(m, n) \varepsilon 并且 ε\varepsilonA 数据类型的 epsilon 值(请参阅 finfo)。如果未指定 rtol 并且 atol 指定为大于零,则 rtol 设置为零。

如果 atolrtol 是一个 torch.Tensor,它的形状必须能够广播到 torch.linalg.svdvals() 返回的 A 的奇异值形状。

注意

此函数具有与 NumPy 兼容的变体 linalg.matrix_rank(A, tol, hermitian=False)。但是,使用位置参数 tol 已被弃用,取而代之的是 atolrtol

注意

矩阵秩是使用奇异值分解 torch.linalg.svdvals() 计算的(如果 hermitian= False(默认)),当 hermitian= True 时,使用特征值分解 torch.linalg.eigvalsh() 计算。当输入位于 CUDA 设备上时,此函数会将该设备与 CPU 同步。

参数
  • A (Tensor) – 形状为 (*, m, n) 的张量,其中 * 是零个或多个批处理维度。

  • tol (float, Tensor, optional) – [NumPy 兼容] atol 的别名。默认:None

关键字参数
  • atol (float, Tensor, optional) – 绝对容差值。当为 None 时,它被认为是零。默认:None

  • rtol (float, Tensor, optional) – 相对容差值。请参见上面关于它在 None 时取值的说明。默认:None

  • hermitian (bool) – 指示 A 是否为厄米特矩阵(如果为复数)或对称矩阵(如果为实数)。默认:False

  • out (Tensor, optional) – 输出张量。如果为 None,则忽略。默认:None

示例

>>> A = torch.eye(10)
>>> torch.linalg.matrix_rank(A)
tensor(10)
>>> B = torch.eye(10)
>>> B[0, 0] = 0
>>> torch.linalg.matrix_rank(B)
tensor(9)

>>> A = torch.randn(4, 3, 2)
>>> torch.linalg.matrix_rank(A)
tensor([2, 2, 2, 2])

>>> A = torch.randn(2, 4, 2, 3)
>>> torch.linalg.matrix_rank(A)
tensor([[2, 2, 2, 2],
        [2, 2, 2, 2]])

>>> A = torch.randn(2, 4, 3, 3, dtype=torch.complex64)
>>> torch.linalg.matrix_rank(A)
tensor([[3, 3, 3, 3],
        [3, 3, 3, 3]])
>>> torch.linalg.matrix_rank(A, hermitian=True)
tensor([[3, 3, 3, 3],
        [3, 3, 3, 3]])
>>> torch.linalg.matrix_rank(A, atol=1.0, rtol=0.0)
tensor([[3, 2, 2, 2],
        [1, 2, 1, 2]])
>>> torch.linalg.matrix_rank(A, atol=1.0, rtol=0.0, hermitian=True)
tensor([[2, 2, 2, 1],
        [1, 2, 2, 2]])

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源