torch.linalg.tensorsolve

torch.linalg.tensorsolve(A, B, dims=None, *, out=None) → Tensor

計算方程組 torch.tensordot(A, X) = B 的解 X。

如果 m 是 A 的前 B.ndim 個維度的乘積，而 n 是其餘維度的乘積，則此函式要求 m 和 n 相等。

返回的張量 x 滿足 tensordot(A, x, dims=x.ndim) == B。 x 的形狀為 A[B.ndim:]。

如果指定了 dims，則 A 將被重塑為

A = movedim(A, dims, range(len(dims) - A.ndim + 1, 0))

支援 float、double、cfloat 和 cdouble 資料型別的輸入。

另請參閱

torch.linalg.tensorinv() 計算 torch.tensordot() 的乘法逆。

引數

• A (Tensor) – 要求解的張量。其形狀必須滿足 prod(A.shape[:B.ndim]) == prod(A.shape[B.ndim:])。

• B (Tensor) – 形狀為 A.shape[:B.ndim] 的張量。

• dims (Tuple[int], optional) – 要移動的 A 的維度。如果為 None，則不移動任何維度。預設為 None。

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.view(m, m) （其中 m 如上所述）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(2 * 3 * 4).reshape((2 * 3, 4, 2, 3, 4))
>>> B = torch.randn(2 * 3, 4)
>>> X = torch.linalg.tensorsolve(A, B)
>>> X.shape
torch.Size([2, 3, 4])
>>> torch.allclose(torch.tensordot(A, X, dims=X.ndim), B)
True

>>> A = torch.randn(6, 4, 4, 3, 2)
>>> B = torch.randn(4, 3, 2)
>>> X = torch.linalg.tensorsolve(A, B, dims=(0, 2))
>>> X.shape
torch.Size([6, 4])
>>> A = A.permute(1, 3, 4, 0, 2)
>>> A.shape[B.ndim:]
torch.Size([6, 4])
>>> torch.allclose(torch.tensordot(A, X, dims=X.ndim), B, atol=1e-6)
True