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。

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.ops.geqrf

mindspore.ops.geqrf(input)

将矩阵分解为正交矩阵 Q 和上三角矩阵 R 的乘积。该过程称为QR分解： $A=QR$ 。

Q 和 R 矩阵都存储在同一个输出Tensor y 中。 R 的元素存储在对角线及上方。隐式定义矩阵 Q 的基本反射器（或户主向量）存储在对角线下方。

此函数返回两个Tensor(y, tau)。

参数：

• input (Tensor) - shape为 $(\ast ,m,n)$ ，输入矩阵维度必须为大于等于两维，支持dtype为float32、float64、complex64、complex128。

返回：

• y (Tensor) - shape为 $(\ast ,m,n)$ ，与 input 具有相同的dtype。

• tau (Tensor) - shape为 $(\ast ,p)$ ，并且 $p=min(m,n)$ ，与 input 具有相同的dtype。

异常：

• TypeError - 如果 input 不是一个Tensor。

• TypeError - 如果 input 的dtype不是float32、float64、complex64、complext128中的一个。

• ValueError - 如果 input 的维度小于2。

支持平台：

Ascend GPU CPU

样例：

>>> input_x = Tensor(np.array([[-2.0, -1.0], [1.0, 2.0]]).astype(np.float32))
>>> y, tau = ops.geqrf(input_x)
>>> print(y)
[[ 2.236068   1.7888544]
 [-0.236068   1.3416407]]
>>> print(tau)
[1.8944271 0.       ]