mindspore.ops.ormqr

mindspore.ops.ormqr(input, tau, other, left=True, transpose=False)

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 left 为 True 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 left 为 True ，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 input ，tau 或者 other 不是Tensor。

• TypeError - 如果 input ， tau 和 other 的dtype不是float64、float32、complex64或者complex128。

• ValueError - 如果 input 或 other 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 left 为 True 时，other.shape[-2] < tau.shape[-1]。

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

• ValueError - 当 left 为 False 时，other.shape[-1] < tau.shape[-1]。

• ValueError - 当 left 为 False 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 ]]