matrix_rank¶
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
tol
,sigma
为所计算奇异值中的最大值(或特征值绝对值的最大值),eps
为x
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)
# b = [10]
c = paddle.ones(shape=[3, 4, 5, 5])
d = paddle.linalg.matrix_rank(c, tol=0.01, hermitian=True)
print(d)
# d = [[1, 1, 1, 1],
# [1, 1, 1, 1],
# [1, 1, 1, 1]]