torch.linalg.svdvals

torch.linalg.svdvals(A, *, driver=None, out=None) → Tensor

计算矩阵的奇异值。

支持浮点型、双精度型、复数浮点型和复数双精度型的数据类型作为输入。还支持矩阵的批量处理，如果A是一组矩阵，那么输出将具有相同的批处理维度。

奇异值以降序排列返回。

注意

此函数与 NumPy 的 linalg.svd(A, compute_uv=False) 相等效。

注意

当输入位于CUDA设备上时，此函数会将其与CPU进行同步。

参见

torch.linalg.svd() 计算完整的奇异值分解。

参数

A (Tensor) – 形状为(*, m, n)的张量，其中*表示零个或多个批次维度。

关键字参数

• driver (str, 可选) – 要使用的 cuSOLVER 方法的名称。此关键字参数仅适用于 CUDA 输入。可用选项包括：None、gesvd、gesvdj 和 gesvda。详情请参阅torch.linalg.svd()。默认值：None。

• out (Tensor, optional) – 输出张量。默认为None，若未指定则忽略。

返回值

这是一个实值张量，即便在A为复数的情况下也成立。

示例:

>>> A = torch.randn(5, 3)
>>> S = torch.linalg.svdvals(A)
>>> S
tensor([2.5139, 2.1087, 1.1066])

>>> torch.dist(S, torch.linalg.svd(A, full_matrices=False).S)
tensor(2.4576e-07)