mindspore.ops.cholesky_solve
- mindspore.ops.cholesky_solve(input, input2, upper=False)[源代码]
根据Cholesky分解因子 input2 计算一组具有正定矩阵的线性方程组的解。
如果 upper 为
True
, input2 是上三角矩阵,输出的结果:\[output = (input2^{T} * input2)^{{-1}}input\]如果 upper 为
False
, input2 是下三角矩阵,输出的结果:\[output = (input2 * input2^{T})^{{-1}}input\]警告
这是一个实验性API,后续可能修改或删除。
- 参数:
input (Tensor) - shape为 \((*, N, M)\) 的Tensor,表示2D或3D矩阵,数据类型是float32或float64。
input2 (Tensor) - shape为 \((*, N, N)\) 的Tensor,表示由2D或3D方阵组成上三角或下三角的Cholesky因子,数据类型是float32或float64。 input 和 input2 必须具有相同的数据类型。
upper (bool, 可选) - 标志,将Cholesky因子视为上三角矩阵或下三角矩阵。默认值:
False
,Cholesky因子为下三角矩阵。
- 返回:
Tensor,shape和数据类型与 input 相同。
- 异常:
TypeError - 如果 upper 不是bool。
TypeError - 如果 input 和 input2 的数据类型不是float32或float64。
TypeError - 如果 input 不是Tensor。
TypeError - 如果 input2 不是Tensor。
ValueError - 如果 input 和 input2 的批次大小相同。
ValueError - 如果 input 和 input2 的行数不同。
ValueError - 如果 input 不是2D或3D的矩阵。
ValueError - 如果 input2 不是2D或3D的方阵。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> input1 = Tensor(np.array([[1, 0, 0], [0, 1, 0], [0, 0, 1]]), mindspore.float32) >>> input2 = Tensor(np.array([[2, 0, 0], [4, 1, 0], [-1, 1, 2]]), mindspore.float32) >>> out = ops.cholesky_solve(input1, input2, upper=False) >>> print(out) [[ 5.8125 -2.625 0.625 ] [-2.625 1.25 -0.25 ] [ 0.625 -0.25 0.25 ]]