目录

torch.linalg

常见的线性代数运算。

有关一些常见的数值边缘情况,请参见线性代数 (torch.linalg)。

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。

对角

默认值 = -2= -1 的别名。dim1dim2

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。

计算矩阵部分透视的 LU 分解。

lu_factor

计算 LU 因式分解的紧凑表示形式,其中包含矩阵的部分透视。

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。

solve_triangular

计算具有唯一解的线性方程三角方程组的解。

lu_solve

计算线性方程的平方组的解,其中具有给定 LU 分解的唯一解。

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)。

矩阵函数

matrix_exp

计算方阵的矩阵指数。

matrix_power

计算整数 n 的方阵的 n 次方。

Matrix 产品

计算两个 3 维向量的叉积。

马特穆尔

别名

VECDOT

计算沿一个维度的两批向量的点积。

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

杂项

范德

生成 Vandermonde 矩阵。

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)。

solve_ex

除非 = True,否则该版本不会执行错误检查。check_errors

lu_factor_ex

这是一个版本,除非 = True,否则不执行错误检查。check_errors

ldl_factor

计算 Hermitian 矩阵或对称(可能是不定)矩阵的 LDL 因式分解的紧凑表示。

ldl_factor_ex

这是一个版本,除非 = True,否则不执行错误检查。check_errors

ldl_solve

使用 LDL 因式分解计算线性方程组的解。

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