目录

torch.linalg

常见的线性代数运算。

矩阵属性

规范

计算向量或矩阵范数。

vector_norm

计算向量范数。

matrix_norm

计算矩阵范数。

Det

计算方阵的行列式。

Slogdet

计算方阵行列式的绝对值的符号和自然对数。

待续

计算矩阵相对于矩阵范数的条件数。

matrix_rank

计算矩阵的数值秩。

分解

乔尔斯基

计算复 Hermitian 矩阵或实对称正定矩阵的 Cholesky 分解。

二维码

计算矩阵的 QR 分解。

EIG

计算方阵的特征值分解(如果存在)。

Eigvals

计算方阵的特征值。

计算复数 Hermitian 或实对称矩阵的特征值分解。

Eigvalsh

计算复 Hermitian 矩阵或实对称矩阵的特征值。

SVD

计算矩阵的奇异值分解 (SVD)。

svdvals

计算矩阵的奇异值。

解决

解决

计算具有唯一解的线性方程的平方组的解。

LSTSQ

计算线性方程组的最小二乘问题的解。

隐形

计算方阵的逆矩阵(如果存在)。

pinv

计算矩阵的伪逆(Moore-Penrose 逆)。

Matrix 产品

马特穆尔

别名

matrix_power

计算整数 n 的方阵的 n 次方。

multi_dot

通过对乘法进行重新排序,以便执行最少的算术运算,从而有效地将两个或多个矩阵相乘。

householder_product

计算 Householder 矩阵乘积的前 n 列。

张量操作

张量

计算 的乘法逆元 。

张量求解

计算系统 torch.tensordot(A, X) = B 的解 X

实验函数

cholesky_ex

计算复 Hermitian 矩阵或实对称正定矩阵的 Cholesky 分解。

inv_ex

计算方阵的逆矩阵(如果它是可逆的)。

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源