torch.linalg.tensorinv

torch.linalg.tensorinv(A, ind=2, *, out=None) → Tensor

計算 torch.tensordot() 的乘法逆。

如果 m 是 A 的前 ind 個維度的乘積，而 n 是其餘維度的乘積，則此函式期望 m 和 n 相等。如果是這種情況，它會計算一個張量 X，使得 tensordot(A, X, ind) 是 m 維度的單位矩陣。 X 的形狀將是 A 的形狀，但前 ind 個維度會被推到最後。

X.shape == A.shape[ind:] + A.shape[:ind]

支援浮點、雙精度、復浮點和復雙精度資料型別的輸入。

注意

當 A 是一個 2 維張量且 ind= 1 時，此函式計算 A 的（乘法）逆（參見 torch.linalg.inv()）。

注意

如果可能，請考慮使用 torch.linalg.tensorsolve() 來將張量左乘張量逆，因為

linalg.tensorsolve(A, B) == torch.tensordot(linalg.tensorinv(A), B)  # When B is a tensor with shape A.shape[:B.ndim]

只要可能，就始終優先使用 tensorsolve()，因為它比顯式計算偽逆更快且數值更穩定。

另請參閱

torch.linalg.tensorsolve() 計算 torch.tensordot(tensorinv(A), B)。

引數

• A (Tensor) – 要求逆的張量。其形狀必須滿足 prod(A.shape[:ind]) == prod(A.shape[ind:])。

• ind (int) – 計算 torch.tensordot() 逆的索引。預設值：2。

關鍵字引數

out (Tensor, optional) – 輸出張量。如果為 None 則忽略。預設為 None。

引發

RuntimeError – 如果重塑後的 A 不可逆，或者前 ind 個維度的乘積不等於其餘維度的乘積。

示例

>>> A = torch.eye(4 * 6).reshape((4, 6, 8, 3))
>>> Ainv = torch.linalg.tensorinv(A, ind=2)
>>> Ainv.shape
torch.Size([8, 3, 4, 6])
>>> B = torch.randn(4, 6)
>>> torch.allclose(torch.tensordot(Ainv, B), torch.linalg.tensorsolve(A, B))
True

>>> A = torch.randn(4, 4)
>>> Atensorinv = torch.linalg.tensorinv(A, ind=1)
>>> Ainv = torch.linalg.inv(A)
>>> torch.allclose(Atensorinv, Ainv)
True