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。

提交

文档反馈

mindspore.ops.Ormqr

class mindspore.ops.Ormqr(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(x, tau)表示，通常由 mindspore.ops.geqrf() 计算生成。

更多细节请参考 mindspore.ops.ormqr() 。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• 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 。

输入：

• x (Tensor) - shape $(\ast ,mn,k)$，mn的值取决于 left ，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的batch维。

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

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

输出：

• y (Tensor) - 输出Tensor，数据类型与shape与 other 一致。

异常：

• TypeError - 如果 x ， tau 或者 other 不是Tensor。

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

• ValueError - 如果 x 或 other 的维度小于2D。

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

• ValueError - tau.shape[:-1] != x.shape[:-2]。

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

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

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

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

• ValueError - 当 left 为False时，other.shape[-1] != x.shape[-2]。

支持平台：

GPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = 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)
>>> net = ops.Ormqr()
>>> y = net(x, tau, other)
>>> print(y)
[[  63.82713   -13.823125 -116.28614 ]
 [ -53.659264  -28.157839  -70.42702 ]
 [ -79.54292    24.00183   -41.34253 ]]