torch.linalg.ldl_factor_ex

torch.linalg.ldl_factor_ex(A, *, hermitian=False, check_errors=False, out=None)

Это версия ldl_factor(), которая не выполняет проверки ошибок, если check_errors= True. Она также возвращает info тензор, возвращаемый LAPACK’s sytrf. info хранит целочисленные коды ошибок из библиотеки бэкенда. Положительное целое число указывает на диагональный элемент $D$, равный нулю. Деление на ноль произойдет, если результат используется для решения системы линейных уравнений. info заполнен нулями, указывает на то, что факторизация прошла успешно. Если check_errors=True и info содержат положительные целые числа, то будет выброшено RuntimeError.

Примечание

Когда входные данные находятся на устройстве CUDA, эта функция синхронизируется только при check_errors= True.

Предупреждение

Эта функция является «экспериментальной» и может быть изменена в будущих выпусках PyTorch.

Параметры:

A (Tensor) – тензор формы (, n, n), где * — это ноль или более размерностей пакета, состоящие из симметричных или эрмитовых матриц. `(, n, n), где * — это одна или несколько размерностей пакета.

Ключевые аргументы:

• hermitian (bool, необязательно) – указывает, является ли входной тензор эрмитовым или симметричным. Для вещественных матриц этот переключатель не влияет на результат. Значение по умолчанию: False.
• check_errors (bool, необязательно) – управляет тем, нужно ли проверять содержимое info и вызывать ошибку, если оно не равно нулю. Значение по умолчанию: False.
• out (tuple, необязательно) – кортеж из трех тензоров для записи выходных данных. Игнорируется, если None. Значение по умолчанию: None.

Возвращает:

Именованный кортеж (LD, pivots, info).

Примеры:

>>> A = torch.randn(3, 3)
>>> A = A @ A.mT # make symmetric
>>> A
tensor([[7.2079, 4.2414, 1.9428],
        [4.2414, 3.4554, 0.3264],
        [1.9428, 0.3264, 1.3823]])
>>> LD, pivots, info = torch.linalg.ldl_factor_ex(A)
>>> LD
tensor([[ 7.2079,  0.0000,  0.0000],
        [ 0.5884,  0.9595,  0.0000],
        [ 0.2695, -0.8513,  0.1633]])
>>> pivots
tensor([1, 2, 3], dtype=torch.int32)
>>> info
tensor(0, dtype=torch.int32)