svd¶
- paddle.linalg. svd ( x, full_matrices=False, name=None ) ¶
计算一个或一批矩阵的奇异值分解。
记 \(X\) 为一个矩阵，则计算的结果为 2 个矩阵 \(U\), \(VH\) 和一个向量 \(S\)。则分解后满足公式：
\[X = U * diag(S) * V ^ {H}\]
值得注意的是，\(S\) 是向量，从大到小表示每个奇异值。而 \(VH\) 则是 V 的共轭转置。
参数¶
x (Tensor) - 输入的欲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。full_matrices (bool) - 是否计算完整的 U 和 V 矩阵，类型为 bool 默认为 False。这个参数会影响 U 和 V 生成的 Shape。
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，奇异值分解的 U 矩阵。如果 full_matrics 设置为 False，则 Shape 为
[*, M, K]，如果 full_metrices 设置为 True，那么 Shape 为[*, M, M]。其中 K 为 M 和 N 的最小值。Tensor S，奇异值向量，Shape 为
[*, K]。Tensor VH，奇异值分解的 VH 矩阵。如果 full_matrics 设置为 False，则 Shape 为
[*, K, N]，如果 full_metrices 设置为 True，那么 Shape 为[*, N, N]。其中 K 为 M 和 N 的最小值。
代码示例¶
COPY-FROM: paddle.linalg.svd