numpy.linalg.tensorsolve #
- 利纳尔格。张量求解( a , b ,轴= None ) [来源] #
求解 x 的张量方程。
a x = b
假设x的所有索引与a最右边的索引一起在乘积中求和,例如 中所做的那样 。
tensordot(a, x, axes=x.ndim)
- 参数:
- 类似数组
系数张量,形状。Q是一个元组,等于a的子张量的形状,该子张量由适当数量的最右边索引组成,并且必须是这样的 (在这种意义上a被称为“平方”)。
b.shape + Q
prod(Q) == prod(b.shape)
- b类数组
右手张量,可以是任何形状。
- 轴整数元组,可选
a中的轴在反转之前向右重新排序。如果无(默认),则不进行重新排序。
- 返回:
- x ndarray,形状 Q
- 加薪:
- 林算法错误
如果a是单数或不是“方”(在上述意义上)。
也可以看看
例子
>>> a = np.eye(2*3*4) >>> a.shape = (2*3, 4, 2, 3, 4) >>> b = np.random.randn(2*3, 4) >>> x = np.linalg.tensorsolve(a, b) >>> x.shape (2, 3, 4) >>> np.allclose(np.tensordot(a, x, axes=3), b) True