mindspore.ops.svd

mindspore.ops.svd(input, full_matrices=False, compute_uv=True)

计算单个或多个矩阵的奇异值分解。

设矩阵 $A$ ，svd返回奇异值 $S$ 、左奇异向量 $U$ 和右奇异向量 $V$ 。满足以下公式：

$$A=U\ast diag(S)\ast V^T$$

参数：

• input (Tensor) - 输入tensor，shape为 $(\ast ,M,N)$ 。

• full_matrices (bool, 可选) - 如果为 True ，则计算完整的 $U$ 和 $V$ 。否则仅计算前P个奇异向量，P为M和N中的较小值。默认 False 。

• compute_uv (bool, 可选) - 如果为 True ，则计算 $U$ 和 $V$ ，否则只计算 $S$ 。默认 True 。

返回：

如果 compute_uv 为 True ，返回三个tensor组成的tuple( s , u , v)。否则，返回单个tensor -> s 。

• s 是奇异值tensor。shape为 $(\ast ,P)$ 。

• u 是左奇异tensor。如果 compute_uv 为 False ，该值不会返回。shape为 $(\ast ,M,P)$ 。如果 full_matrices 为 True ，则shape为 $(\ast ,M,M)$ 。

• v 是右奇异tensor。如果 compute_uv 为 False ，该值不会返回。shape为 $(\ast ,N,P)$ 。如果 full_matrices 为 True ，则shape为 $(\ast ,N,N)$ 。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> input = mindspore.tensor([[1, 2], [-4, -5], [2, 1]], mindspore.float32)
>>> s, u, v = mindspore.ops.svd(input, full_matrices=True, compute_uv=True)
>>> print(s)
[7.0652843 1.040081 ]
>>> print(u)
[[ 0.30821905 -0.48819482  0.81649697]
 [-0.90613353  0.11070572  0.40824813]
 [ 0.2896955   0.8656849   0.4082479 ]]
>>> print(v)
[[ 0.63863593  0.769509  ]
 [ 0.769509   -0.63863593]]