torch.linalg.tensorsolve

torch.linalg.tensorsolve(A, B, dims=None, *, out=None) → Tensor

计算方程 torch.tensordot(A, X) = B 的解 X。

如果 m 是 A 的前 B.ndim 维度的乘积，n 是其余维度的乘积，则该函数期望 m 和 n 相等。

返回的张量 x 满足 tensordot(A, x, dims=x.ndim) == B。x 的形状为 A[B.ndim:]。

如果指定了 dims，则 A 将被重塑为

A = movedim(A, dims, range(len(dims) - A.ndim + 1, 0))

支持 float、double、cfloat 和 cdouble 数据类型的输入。

另请参阅

torch.linalg.tensorinv() 计算 torch.tensordot() 的乘法逆。

参数

• A (张量) – 要求解的张量。其形状必须满足 prod(A.shape[:B.ndim]) == prod(A.shape[B.ndim:])。

• B (张量) – 形状为 A.shape[:B.ndim] 的张量。

• dims (Tuple[int], 可选) – 要移动的 A 的维度。如果为 None，则不移动任何维度。默认值：None。

关键字参数

out (张量, 可选) – 输出张量。如果为 None，则忽略。默认值：None。

引发

RuntimeError – 如果重塑后的 A.view(m, m) （其中 m 如上所述）不可逆，或者前 ind 个维度的乘积不等于其余维度的乘积。

示例

>>> A = torch.eye(2 * 3 * 4).reshape((2 * 3, 4, 2, 3, 4))
>>> B = torch.randn(2 * 3, 4)
>>> X = torch.linalg.tensorsolve(A, B)
>>> X.shape
torch.Size([2, 3, 4])
>>> torch.allclose(torch.tensordot(A, X, dims=X.ndim), B)
True

>>> A = torch.randn(6, 4, 4, 3, 2)
>>> B = torch.randn(4, 3, 2)
>>> X = torch.linalg.tensorsolve(A, B, dims=(0, 2))
>>> X.shape
torch.Size([6, 4])
>>> A = A.permute(1, 3, 4, 0, 2)
>>> A.shape[B.ndim:]
torch.Size([6, 4])
>>> torch.allclose(torch.tensordot(A, X, dims=X.ndim), B, atol=1e-6)
True