快捷方式

torch.linalg.pinv

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

计算矩阵的伪逆(摩尔-彭罗斯逆)。

伪逆可以 用代数定义,但从 SVD 的角度理解它在计算上更方便。

支持 float、double、cfloat 和 cdouble 数据类型的输入。还支持矩阵的批处理,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 hermitian= True,则假设 A 为厄米特矩阵(如果为复数)或对称矩阵(如果为实数),但不会在内部进行检查。相反,仅在计算中使用矩阵的下三角部分。

低于 max(atol,σ1rtol)\max(\text{atol}, \sigma_1 \cdot \text{rtol}) 阈值的奇异值(或当 hermitian= True 时特征值的范数)在计算中被视为零并被丢弃,其中 σ1\sigma_1 是最大的奇异值(或特征值)。

如果未指定 rtolA 是一个维度为 (m, n) 的矩阵,则相对容差设置为 rtol=max(m,n)ε\text{rtol} = \max(m, n) \varepsilonε\varepsilonA 的数据类型的 epsilon 值(参见 finfo)。如果未指定 rtolatol 指定为大于零,则 rtol 设置为零。

如果 atolrtol 是一个 torch.Tensor,则其形状必须可广播到 A 的奇异值的形状,如 torch.linalg.svd() 返回的那样。

注意

此函数使用 torch.linalg.svd()(如果 hermitian= False)和 torch.linalg.eigh()(如果 hermitian= True)。对于 CUDA 输入,此函数会将该设备与 CPU 同步。

注意

如果可能,请考虑使用 torch.linalg.lstsq() 从左侧乘以矩阵的伪逆,因为

torch.linalg.lstsq(A, B).solution == A.pinv() @ B

在可能的情况下,始终优先使用 lstsq(),因为它比显式计算伪逆更快且数值更稳定。

注意

此函数具有与 NumPy 兼容的变体 linalg.pinv(A, rcond, hermitian=False)。但是,使用位置参数 rcond 已弃用,建议使用 rtol

警告

此函数在内部使用 torch.linalg.svd()(或当 hermitian= True 时使用 torch.linalg.eigh()),因此其导数与这些函数的导数具有相同的问题。有关更多详细信息,请参阅 torch.linalg.svd()torch.linalg.eigh() 中的警告。

另请参阅

torch.linalg.inv() 计算方阵的逆。

torch.linalg.lstsq() 使用数值稳定的算法计算 A.pinv() @ B

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

  • rcond (浮点数, 张量, 可选) – [NumPy 兼容]。 rtol 的别名。默认值:None

关键字参数
  • atol (浮点数, 张量, 可选) – 绝对容差值。当为 None 时,被视为零。默认值:None

  • rtol (浮点数, 张量, 可选) – 相对容差值。请参阅以上内容,了解当为 None 时它采用的值。默认值:None

  • hermitian (布尔值, 可选) – 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)。默认值:False

  • 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, 5)
>>> A
tensor([[ 0.5495,  0.0979, -1.4092, -0.1128,  0.4132],
        [-1.1143, -0.3662,  0.3042,  1.6374, -0.9294],
        [-0.3269, -0.5745, -0.0382, -0.5922, -0.6759]])
>>> torch.linalg.pinv(A)
tensor([[ 0.0600, -0.1933, -0.2090],
        [-0.0903, -0.0817, -0.4752],
        [-0.7124, -0.1631, -0.2272],
        [ 0.1356,  0.3933, -0.5023],
        [-0.0308, -0.1725, -0.5216]])

>>> A = torch.randn(2, 6, 3)
>>> Apinv = torch.linalg.pinv(A)
>>> torch.dist(Apinv @ A, torch.eye(3))
tensor(8.5633e-07)

>>> A = torch.randn(3, 3, dtype=torch.complex64)
>>> A = A + A.T.conj()  # creates a Hermitian matrix
>>> Apinv = torch.linalg.pinv(A, hermitian=True)
>>> torch.dist(Apinv @ A, torch.eye(3))
tensor(1.0830e-06)

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