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。

文档反馈

mindspore.ops.orgqr

mindspore.ops.orgqr(input, input2)[源代码]

计算 mindspore.ops.Geqrf 返回的正交矩阵 $Q$ 的显式表示。

下面以输入无batch维的情况为例，计算 Householder 矩阵的前 $N$ 列。假设输入 input 的shape经过 Householder转换之后为： $(M, N)$ 。当 input 的对角线被置为1， input 中下三角形的每一列都表示为： $w_{j}$ ，其中 $j$ 在 $j = 1, \dots, M$ 范围内，此函数返回Householder矩阵乘积的前 $N$ 列：

H_{1} H_{2} \dots H_{k} with H_{j} = I_{M} - τ_{j} w_{j} w_{j}^{H}

其中： $I_{M}$ 是 $M$ 维单位矩阵。当 $w$ 是复数的时候， $w^{H}$ 是共轭转置，否则是一般转置。输出矩阵的shape与输入矩阵 input 相同。 $t a u$ 即输入 input2 。

参数：

input (Tensor) - shape $(*, M, N)$ 的Tensor，表示二维或者三维矩阵。数据类型为float32、float64、complex64或者complex128。
input2 (Tensor) - Householder转换的反射系数，其shape为 $(*, K)$ ，其中 K 小于等于 N 。数据类型与 input 一致。

返回：

Tensor，数据类型与shape与 input 一致。

异常：

TypeError - input 或者 input2 不是Tensor。
TypeError - input 和 input2 的数据类型不是float64、float32、complex64或者complex128。
ValueError - input 和 input2 的batch维度不同。
ValueError - input.shape[-2] < input.shape[-1]。
ValueError - input.shape[-1] < input2.shape[-1]。
ValueError - rank(input) - rank(input2) != 1。
ValueError - rank(input) != 2 or 3。

支持平台：

Ascend GPU CPU

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)
>>> input2 = Tensor(np.array([1.55, 1.94, 0.0]), mindspore.float32)
>>> y = ops.orgqr(input, input2)
>>> print(y)
[[-0.54999995 -0.2128925   0.8137956 ]
 [ 0.47119996 -0.8752807   0.08240613]
 [ 0.69749993  0.42560163  0.57772595]]