文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.scipy.linalg.cho_factor

mindspore.scipy.linalg.cho_factor(a, lower=False, overwrite_a=False, check_finite=True)

计算矩阵的cholesky分解，用于 mindspore.scipy.linalg.cho_solve()。

返回包含cholesky分解的矩阵，对于一个Hermitian正定矩阵 A，根据 lower 取值，进行如下形式的分解：

• lower 为True: $A=L{L}^{\ast }$

• lower 为False: $A=U^{\ast }U$

其中， $L^{\ast }$ 为 $L$ 的共轭转置矩阵。 其中， $U^{\ast }$ 为 $U$ 的共轭转置矩阵。

返回值可以直接作为 mindspore.scipy.linalg.cho_solve() 的第一个参数使用。

说明

• Windows平台上还不支持 cho_factor。

• 仅支持float32、float64、int32、int64类型的Tensor类型。

• 如果Tensor是int32、int64类型，它将被强制转换为：mstype.float64类型。

警告

返回的矩阵中还包含cholesky分解不使用的条目中的随机数据。如果需要将这些条目清零，请改用 mindspore.scipy.linalg.cholesky() 函数。

参数：

• a (Tensor) - 要分解的 $(M,M)$ 方阵。

• lower (bool, 可选) - 是计算上三角还是下三角的cholesky分解。 默认值：False。

• overwrite_a (bool, 可选) - 是否覆盖参数 a 中的数据（可能会提高性能）。 默认值：False。 在MindSpore中，这个参数当前不起作用。

• check_finite (bool, 可选) - 是否检查输入矩阵是否只包含有限数。 禁用可能会带来性能增益，但如果输入确实包含INF或NaN，则可能会导致问题（崩溃、程序不终止）。 默认值：True。 在MindSpore中，当前这个参数不起作用。

返回：

• c (Tensor) - 在上三角或下三角中包含 a 的cholesky因子的矩阵。 矩阵的其他部分包含随机数据。

• lower (bool) - 表示cholesky因子是在下三角形还是上三角形。

异常：

• ValueError - 如果输入的Tensor不是2D方阵。

支持平台：

GPU CPU

样例：

>>> import numpy as onp
>>> from mindspore import Tensor
>>> from mindspore.scipy.linalg import cho_factor
>>> a = Tensor(onp.array([[9, 3, 1, 5], [3, 7, 5, 1], [1, 5, 9, 2], [5, 1, 2, 6]]).astype(onp.float32))
>>> c, low = cho_factor(a)
>>> print(c)
[[ 3.          1.          0.33333334  1.6666666 ]
 [ 3.          2.4494898   1.9051585  -0.2721655 ]
 [ 1.          5.          2.2933078   0.8559526 ]
 [ 5.          1.          2.          1.5541857 ]]