svd_lowrank

paddle.linalg. svd_lowrank ( x, q=None, niter=2, M=None, name=None )

计算在低秩矩阵或者批次的矩阵上进行奇异值分解（SVD）。

记 \(X\) 为一个矩阵或者批次矩阵，输出结果满足：

\[X \approx U * diag(S) * V^{T}\]

若提供了 \(M\) ，输出结果满足：

\[X - M \approx U * diag(S) * V^{T}\]

参数

  • x (Tensor) - 输入的需要进行奇异值分解的一个或一批方阵，类型为 Tensor。 x 的形状应为 [*, M, N]，其中 * 为零或更大的批次维度，数据类型支持 float32， float64。

  • q (int，可选) - 对输入 \(X\) 的秩稍微高估的预估值，默认值为 None，代表预估值取 6。

  • niter (int) - 需要进行的子空间迭代次数。默认值为 2。

  • M (Tensor) - 输入矩阵在 axis=-2 维上的均值，形状应为 [*, 1, N]，默认为 None。

  • 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 U，形状为 N x q 的矩阵。

  • Tensor S，长度为 q 的向量。

  • Tensor V，形状为 M x q 的矩阵。

tuple (U, S, V): 对输入 \(X\) 或 \(X-M\) 的奇异值分解的近似最优解。

代码示例

COPY-FROM: paddle.linalg.svd_lowrank