如何在 PyTorch 中获得矩阵的秩？
矩阵的秩可以使用Torchlinalg.matrix_rank()获得。.它以一个矩阵或一批矩阵作为输入，并返回一个具有value(s)矩阵秩的张量。torch.linalg模块为我们提供了许多线性代数运算。
语法
torch.linalg.matrix_rank(input)
其中输入是二维张量/矩阵或矩阵批次。
脚步
我们可以使用以下步骤来获得矩阵或矩阵批次的秩-
导入火炬库。确保您已经安装了它。
import torch
创建一个2D张量/矩阵或一批矩阵并打印它。
t = torch.tensor([[1.,2.,3.],[4.,5.,6.]])
print("Tensor:", t)计算上面定义的矩阵的秩，并可选择将此值分配给新变量。
rank = torch.linalg.matrix_rank(t)
打印矩阵的计算秩。
print("Rank:", rank)示例1
以下Python程序展示了如何在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:\n", t)
# compute the rank of the matrix
rank = torch.linalg.matrix_rank(t)
print("Rank:", rank)输出结果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程序展示了如何在PyTorch中查找复杂矩阵的秩-
# import torch library
import torch
# create a complex Matrix
C = torch.rand(4,3, dtype = torch.cfloat)
print("Matrix:\n", C)
# compute the rank of above created complex matrix
rank = torch.linalg.matrix_rank(C)
print("Rank:", rank)输出结果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程序展示了如何计算一批矩阵的秩-
# import torch library
import torch
# create a batch of a batch of 4, 3x2 Matrices
B = torch.rand(4,3,2)
print("Matrix:\n", B)
# Compute the ranks of the matrices
ranks = torch.linalg.matrix_rank(B)
# print the ranks of matrices
print("Ranks:", ranks)输出结果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])