Fonction torch.linalg.svd de PyTorch

Pytorch torch 参考手册Manuel de référence PyTorch torch

torch.linalg.svdest une fonction du module d'algèbre linéaire de PyTorch utilisée pour calculer la décomposition en valeurs singulières (SVD) d'une matrice. La SVD décompose une matrice comme A = U * diag(S) * V^T.

Définition de fonction

torch.linalg.svd(A, full_matrices=False, out=None)

Parameters:

  • A(Tensor) : La matrice d'entrée.
  • full_matrices(bool, optionnel) : Si True, renvoie les matrices U et V complètes. La valeur par défaut est False.
  • out(tuple, facultatif) : Tuple de sortie.

Valeur de retour:

  • tuple: Renvoie un tuple (U, S, Vh), où Vh est la transposée de V.

Exemple d'utilisation

Exemple

import torch

# Créer une matrice
A = torch.tensor([[1.0, 2.0, 3.0],
                  [4.0, 5.0, 6.0],
                  [7.0, 8.0, 9.0],
                  [10.0, 11.0, 12.0]])

# Décomposition SVD
U, S, Vh = torch.linalg.svd(A)

print("Matrice A :")
print(A)
print("forme de nU :", U.shape)
print("Valeurs singulières S :", S)
print("forme de Vh :", Vh.shape)
print("nVérification : U @ diag(S) @ Vh =")
print(U @ torch.diag(S) @ Vh)

Le résultat de sortie est:

矩阵 A:
tensor([[ 1.,  2.,  3.],
        [ 4.,  5.,  6.],
        [ 7.,  8.,  9.],
        [10., 11., 12.]])
U 形状: torch.Size([4, 4])
奇异值 S: tensor([25.4627,  1.2907,  0.0000])
Vh 形状: torch.Size([3, 3])
验证: U @ diag(S) @ Vh =
tensor([[ 1.0000,  2.0000,  3.0000],
        [ 4.0000,  5.0000,  6.0000],
        [ 7.0000,  8.0000,  9.0000],
        [10.0000, 11.0000, 12.0000]])

Pytorch torch 参考手册Manuel de référence PyTorch torch

Autres extensions