torch.qr

torch.qr(input, some=True, *, out=None)

计算矩阵或矩阵批次 input 的 QR 分解，并返回一个名为元组 (Q, R) 的张量，使得 $\text{input} = Q R$ 其中 $Q$ 是一个正交矩阵或正交矩阵的批次，而 $R$ 是一个上三角矩阵或上三角矩阵的批次。

如果 some 为 True，则此函数返回瘦（缩减）QR 分解。否则，如果 some 为 False，则此函数返回完整 QR 分解。

警告

torch.qr() 已弃用，建议使用 torch.linalg.qr()，将在 PyTorch 的未来版本中删除。布尔参数 some 已被字符串参数 mode 取代。

Q, R = torch.qr(A) 应替换为

Q, R = torch.linalg.qr(A)

Q, R = torch.qr(A, some=False) 应替换为

Q, R = torch.linalg.qr(A, mode="complete")

警告

如果您计划通过 QR 反向传播，请注意，当前的反向传播实现仅在第一个 $\min(input.size(-1), input.size(-2))$ 列 input 线性无关时定义明确。一旦 QR 支持枢轴，此行为可能会发生变化。

注意

此函数对 CPU 输入使用 LAPACK，对 CUDA 输入使用 MAGMA，并且在不同设备类型或不同平台上可能产生不同的（有效的）分解。

参数

• 输入 (张量) – 输入张量，大小为 $(*, m, n)$，其中 * 是零个或多个批次维度，包含维度为 $m \times n$ 的矩阵。

• some (布尔值, 可选) –

  设置为 True 表示进行降阶 QR 分解，设置为 False 表示进行完全 QR 分解。如果 k = min(m, n) 则

  • some=True : 返回 (Q, R)，维度分别为 (m, k)，(k, n)（默认）

  • 'some=False': 返回 (Q, R)，维度分别为 (m, m)，(m, n)

关键字参数

out (元组, 可选) – Q 和 R 张量的元组。 Q 和 R 的维度在上面 some 的描述中给出。

示例

>>> a = torch.tensor([[12., -51, 4], [6, 167, -68], [-4, 24, -41]])
>>> q, r = torch.qr(a)
>>> q
tensor([[-0.8571,  0.3943,  0.3314],
        [-0.4286, -0.9029, -0.0343],
        [ 0.2857, -0.1714,  0.9429]])
>>> r
tensor([[ -14.0000,  -21.0000,   14.0000],
        [   0.0000, -175.0000,   70.0000],
        [   0.0000,    0.0000,  -35.0000]])
>>> torch.mm(q, r).round()
tensor([[  12.,  -51.,    4.],
        [   6.,  167.,  -68.],
        [  -4.,   24.,  -41.]])
>>> torch.mm(q.t(), q).round()
tensor([[ 1.,  0.,  0.],
        [ 0.,  1., -0.],
        [ 0., -0.,  1.]])
>>> a = torch.randn(3, 4, 5)
>>> q, r = torch.qr(a, some=False)
>>> torch.allclose(torch.matmul(q, r), a)
True
>>> torch.allclose(torch.matmul(q.mT, q), torch.eye(5))
True