快捷方式

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:Nonegesvdgesvdjgesvda。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)

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答案

查看资源