mindspore.ops.ormqr

mindspore.ops.ormqr(input, tau, other, left=True, transpose=False)[源代码]

计算一个普通矩阵与Householder矩阵的乘积。计算维度为(m, n)的矩阵C(由 other 给出)和一个矩阵Q的乘积, 其中Q由Householder反射系数(input, tau)生成。返回一个Tensor。

参数:
  • input (Tensor) - shape \((*, mn, k)\),当 leftTrue 时, mn的值等于m,否则mn的值等于n。 * 表示Tensor在轴0上的长度为0或者大于0。

  • tau (Tensor) - shape \((*, min(mn, k))\),其中 * 表示Tensor在轴0上的长度为0或者大于0,其类型与 input 相同。

  • other (Tensor) - shape \((*, m, n)\),其中 * 表示Tensor在轴0上的长度为0或者大于0,其类型与 input 相同。

  • left (bool, 可选) - 决定了矩阵乘积运算的顺序。如果 leftTrue ,计算顺序为op(Q) * other ,否则,计算顺序为 other * op(Q)。默认值: True

  • transpose (bool, 可选) - 如果为 True ,对矩阵Q进行共轭转置变换,否则,不对矩阵Q进行共轭转置变换。默认值: False

返回:

Tensor,数据类型与shape与 other 一致。

异常:
  • TypeError - 如果 inputtau 或者 other 不是Tensor。

  • TypeError - 如果 inputtauother 的dtype不是float64、float32、complex64或者complex128。

  • ValueError - 如果 inputother 的维度小于2D。

  • ValueError - rank(input) - rank(tau) != 1。

  • ValueError - tau.shape[:-2] != input.shape[:-2]。

  • ValueError - other.shape[:-2] != input.shape[:-2]。

  • ValueError - 当 leftTrue 时,other.shape[-2] < tau.shape[-1]。

  • ValueError - 当 leftTrue 时,other.shape[-2] != input.shape[-2]。

  • ValueError - 当 leftFalse 时,other.shape[-1] < tau.shape[-1]。

  • ValueError - 当 leftFalse 时,other.shape[-1] != input.shape[-2]。

支持平台:

GPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input = Tensor(np.array([[-114.6, 10.9, 1.1], [-0.304, 38.07, 69.38], [-0.45, -0.17, 62]]),
>>>                mindspore.float32)
>>> tau = Tensor(np.array([1.55, 1.94, 3.0]), mindspore.float32)
>>> other = Tensor(np.array([[-114.6, 10.9, 1.1],
...                          [-0.304, 38.07, 69.38],
...                          [-0.45, -0.17, 62]]), mindspore.float32)
>>> output = ops.ormqr(input, tau, other)
>>> print(output)
[[  63.82713   -13.823125 -116.28614 ]
 [ -53.659264  -28.157839  -70.42702 ]
 [ -79.54292    24.00183   -41.34253 ]]