torch.linalg.svdvals¶
- torch.linalg.svdvals(A, *, driver=None, out=None) Tensor ¶
计算矩阵的奇异值。
支持输入浮点型、双精度浮点型、复数浮点型和复数双精度浮点型数据类型。还支持矩阵批次,如果
A
是一个矩阵批次,那么输出具有相同的批次维度。奇异值按降序返回。
注意
此函数等效于 NumPy 的 linalg.svd(A, compute_uv=False)。
注意
当输入在 CUDA 设备上时,此函数会将该设备与 CPU 同步。
另请参阅
torch.linalg.svd()
计算完整的奇异值分解。- 参数
A (Tensor) – 形状为 (*, m, n) 的张量,其中 * 是零个或多个批次维度。
- 关键字参数
driver (str, 可选) – 要使用的 cuSOLVER 方法的名称。此关键字参数仅适用于 CUDA 输入。可用的选项包括:None、gesvd、gesvdj 和 gesvda。有关详细信息,请检查
torch.linalg.svd()
。默认值:None。out (Tensor, 可选) – 输出张量。如果为 None,则忽略。默认值:None。
- 返回
一个实值张量,即使
A
是复数。
示例
>>> A = torch.randn(5, 3) >>> S = torch.linalg.svdvals(A) >>> S tensor([2.5139, 2.1087, 1.1066]) >>> torch.dist(S, torch.linalg.svd(A, full_matrices=False).S) tensor(2.4576e-07)