cupy.linalg.svd#

cupy.linalg.svd(a, full_matrices=True, compute_uv=True)[source]#

奇异值分解。

将矩阵 a 分解为 u * np.diag(s) * v，其中 u 和 v 是酉矩阵，s 是 a 的奇异值的一维数组。

参数:

  • a (cupy.ndarray) – 输入矩阵，维度为 (..., M, N)。

  • full_matrices (bool) – 如果为 True，返回的 u 和 v 的维度分别为 (..., M, M) 和 (..., N, N)。否则，u 和 v 的维度分别为 (..., M, K) 和 (..., K, N)，其中 K = min(M, N)。

  • compute_uv (bool) – 如果为 False，则只返回奇异值。

返回值:

一个包含 (u, s, v) 的元组，满足 a = u * np.diag(s) * v。

返回类型:

tuple of cupy.ndarray

警告

此函数调用一个或多个 cuSOLVER 例程，如果输入条件不满足，可能会产生无效结果。要检测这些无效结果，您可以在 cupyx.errstate() 或 cupyx.seterr() 中将 linalg 配置设置为非 ignore 的值。

注意

在 CUDA 上，当 a.ndim > 2 且矩阵维度 <= 32 时，会采用基于雅可比方法（gesvdj）的快速代码路径。否则，使用 QR 方法（gesvd）。

在 ROCm 上，没有这种切换底层算法的快速代码路径。

另请参阅

numpy.linalg.svd()