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 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[:-1] != 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 ]]