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)