如何在 PyTorch 中获取矩阵的秩？

可以使用 **torch.linalg.matrix_rank()** 获取矩阵的秩。它接收矩阵或矩阵批次作为输入，并返回包含矩阵秩值的张量。**torch.linalg** 模块提供了许多线性代数运算。

语法

torch.linalg.matrix_rank(input)

其中 input 是 **二维** 张量/矩阵或矩阵批次。

步骤

我们可以使用以下步骤来获取矩阵或矩阵批次的秩：

  • 导入 torch 库。确保你已经安装了它。

import torch

  • 创建一个二维张量/矩阵或矩阵批次并打印它。

t = torch.tensor([[1.,2.,3.],[4.,5.,6.]])
print("Tensor:", t)

  • 计算上述定义的矩阵的秩，并可选择地将此值赋给一个新变量。

rank = torch.linalg.matrix_rank(t)

  • 打印计算出的矩阵秩。

print("Rank:", rank)

示例 1

以下 Python 程序演示了如何在 PyTorch 中查找矩阵的秩：

# import torch library
import torch

# create a 2D Tensor/Matrix
t = torch.rand(4,3)
print("Matrix:
", t)

# compute the rank of the matrix
rank = torch.linalg.matrix_rank(t)
print("Rank:", rank)

输出

Matrix:
tensor([[0.6594, 0.5502, 0.9927],
   [0.3542, 0.0738, 0.0039],
   [0.7521, 0.9089, 0.7459],
   [0.1236, 0.8219, 0.0199]])
Rank: tensor(3)

示例 2

以下 Python 程序演示了如何在 PyTorch 中查找复数矩阵的秩：

# import torch library
import torch

# create a complex Matrix
C = torch.rand(4,3, dtype = torch.cfloat)
print("Matrix:
", C)

# compute the rank of above created complex matrix
rank = torch.linalg.matrix_rank(C)
print("Rank:", rank)

输出

Matrix:
tensor([[0.2830+0.9152j, 0.4017+0.3157j, 0.6843+0.7504j],
   [0.5469+0.6831j, 0.5949+0.1112j, 0.1225+0.5372j],
   [0.5016+0.2642j, 0.8466+0.5250j, 0.8644+0.6261j],
   [0.9070+0.0886j, 0.2665+0.7483j, 0.0226+0.3262j]])
Rank: tensor(3)

示例 3

以下 Python 程序演示了如何计算矩阵批次的秩：

# import torch library
import torch

# create a batch of a batch of 4, 3x2 Matrices
B = torch.rand(4,3,2)
print("Matrix:
", B)

# Compute the ranks of the matrices
ranks = torch.linalg.matrix_rank(B)

# print the ranks of matrices
print("Ranks:", ranks)

输出

Matrix:
tensor([[[0.1332, 0.6924],
   [0.7986, 0.3856],
   [0.7675, 0.6632]],

   [[0.8832, 0.4365],
   [0.2731, 0.8355],
   [0.8793, 0.0253]],

   [[0.4678, 0.7772],
   [0.4612, 0.8683],
   [0.3522, 0.8857]],

   [[0.5602, 0.1209],
   [0.2810, 0.0738],
   [0.4715, 0.5878]]])
Ranks: tensor([2, 2, 2, 2])

更新于：2021年12月6日

1K+ 次查看

启动您的 职业生涯

通过完成课程获得认证

开始学习
广告