matrix_rank

paddle.linalg. matrix_rank ( x, tol=None, hermitian=False, name=None ) [源代码]

计算矩阵的秩。

当 hermitian=False 时,矩阵的秩是大于指定的 tol 阈值的奇异值的数量;当 hermitian=True 时,矩阵的秩是大于指定 tol 阈值的特征值绝对值的数量。

参数

  • x (Tensor) - 输入 tensor。它的形状应该是 [..., m, n],其中 ... 是零或者更大的批次维度。如果 x 是一批矩阵,则输出具有相同的批次尺寸。x 的数据类型应该为 float32 或 float64。

  • tol (float|Tensor,可选) - 阈值。默认值:None。如果未指定 tolsigma 为所计算奇异值中的最大值(或特征值绝对值的最大值), epsx 的类型的 epsilon 值,使用公式 tol=sigma * max(m,n) * eps 来计算 tol。请注意,如果 x 是一批矩阵,以这种方式为每批矩阵计算 tol

  • hermitian (bool,可选) - 表示 x 是否是 Hermitian 矩阵。默认值:False。当 hermitian=True 时,x 被假定为 Hermitian 矩阵,这时函数内会使用更高效的算法来求解特征值,但在函数内部不会对 x 进行检查。我们仅仅使用矩阵的下三角来进行计算。

  • name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。

返回

Tensor, x 的秩,数据类型为 int64。

代码示例

>>> import paddle

>>> a = paddle.eye(10)
>>> b = paddle.linalg.matrix_rank(a)
>>> print(b)
Tensor(shape=[], dtype=int32, place=Place(cpu), stop_gradient=True,
10)

>>> c = paddle.ones(shape=[3, 4, 5, 5])
>>> d = paddle.linalg.matrix_rank(c, tol=0.01, hermitian=True)
>>> print(d)
Tensor(shape=[3, 4], dtype=int32, place=Place(cpu), stop_gradient=True,
[[1, 1, 1, 1],
 [1, 1, 1, 1],
 [1, 1, 1, 1]])

使用本API的教程文档