jax.lax.linalg.svd

jax.lax.linalg.svd(x: ArrayLike, *, full_matrices: bool = True, compute_uv: Literal[True], subset_by_index: tuple[int, int] | None = None, algorithm: SvdAlgorithm | None = None) → tuple[Array, Array, Array]

jax.lax.linalg.svd(x: ArrayLike, *, full_matrices: bool = True, compute_uv: Literal[False], subset_by_index: tuple[int, int] | None = None, algorithm: SvdAlgorithm | None = None) → Array

jax.lax.linalg.svd(x: ArrayLike, *, full_matrices: bool = True, compute_uv: bool = True, subset_by_index: tuple[int, int] | None = None, algorithm: SvdAlgorithm | None = None) → Array | tuple[Array, Array, Array]

奇异值分解。

计算输入矩阵的奇异值分解。

参数:

• x – 形状为 [..., m, n] 的一批矩阵。

• full_matrices – 确定返回完整矩阵还是缩减矩阵。

• compute_uv – 如果 True，则返回左奇异向量、奇异值和右奇异向量的共轭。否则，仅返回奇异值。

• subset_by_index – 如果 None，则返回整个矩阵。否则，返回给定索引范围的奇异值和向量。

• algorithm – 要使用的 SVD 算法。必须是 None 或 SvdAlgorithm 中的值。

返回:

如果 compute_uv 为 False，则返回奇异值；否则返回一个包含左奇异向量、奇异值和右奇异向量的共轭的三元组。