Numpy: np.linalg.tensorsolve和tensorinv错误:数组的最后2维必须是平方
Numpy: np.linalg.tensorsolve和tensorinv错误:数组的最后2维必须是平方
提问于 2020-11-03 22:00:58
我有以下ndarray (由351个3x3矩阵堆叠而成)
tensor = np.ones((351,3,3))
b = np.ones((351,3))应用如下函数：
np.linalg.tensorinv(tensor)
np.linalg.tensorsolve(tensor,b)给出以下错误：“{LinAlgError}数组的最后2个维度必须是正方形”
为什么会发生这个错误？我的意思是最后两个维度是正方形(3x3)。这甚至不适用于tensor.T (它是3x3x351)。谢谢你的帮助。
Stack Overflow用户
回答已采纳
发布于 2020-11-04 00:38:57
tensorinv操作定义正方形尺寸的意义有点不同寻常。tensorinv采用参数ind，如果直到(但不包括) ind的索引的乘积与从ind到最后一个索引的索引的乘积相等，即prod(tensor.shape[:ind]) == prod(tensor.shape[ind:])，则张量为“平方”。这对于定义张量运算的逆或求解张量压缩方程很有用，但根据示例的形状，我认为这不是您想要做的。
你似乎想要解315个不同的线性方程组Ax=b，你应该只用np.linalg.solve(tensor, b)就能做到(尽管不是用你在问题中的例子，因为你所有的张量都是一堆奇异矩阵)。重写您的示例，使tensor更小，并且是一个标识矩阵的集合，而不是全部：
>>> temp=np.eye(3)
>>> tensor=np.repeat(temp[np.newaxis,:,:],4,axis=0)
>>> tensor.shape
(4, 3, 3)
>>> b=np.ones((4,3))
>>> b
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])
>>> np.linalg.solve(tensor,b)
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64664317
复制相关文章
相似问题
腾讯云开发者
