快捷方式

torch.linalg.vander

torch.linalg.vander(x, N=None) Tensor

生成范德蒙矩阵。

返回范德蒙矩阵 VV

V=(1x1x12x1N11x2x22x2N11x3x32x3N11xnxn2xnN1).V = \begin{pmatrix} 1 & x_1 & x_1^2 & \dots & x_1^{N-1}\\ 1 & x_2 & x_2^2 & \dots & x_2^{N-1}\\ 1 & x_3 & x_3^2 & \dots & x_3^{N-1}\\ \vdots & \vdots & \vdots & \ddots &\vdots \\ 1 & x_n & x_n^2 & \dots & x_n^{N-1} \end{pmatrix}.

对于 N > 1。如果 N= None,则 N = x.size(-1),以便输出为方阵。

支持浮点型、双精度浮点型、复数浮点型、复数双精度浮点型和整型数据类型。也支持向量批处理,如果 x 是向量批处理,则输出具有相同的批处理维度。

numpy.vander 的区别

  • numpy.vander 不同,此函数按升序返回 x 的幂。要按降序获取,请调用 linalg.vander(x, N).flip(-1)

参数

x (Tensor) – 形状为 (*, n) 的张量,其中 * 为零个或多个批处理维度,包含向量。

关键字参数

N (int, 可选) – 输出中的列数。默认值:x.size(-1)

示例

>>> x = torch.tensor([1, 2, 3, 5])
>>> linalg.vander(x)
tensor([[  1,   1,   1,   1],
        [  1,   2,   4,   8],
        [  1,   3,   9,  27],
        [  1,   5,  25, 125]])
>>> linalg.vander(x, N=3)
tensor([[ 1,  1,  1],
        [ 1,  2,  4],
        [ 1,  3,  9],
        [ 1,  5, 25]])

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