Python 在3D矩阵上播放linalg.pinv
在下面的示例中,有一个大小为(4、3、3)的3d矩阵。如何计算这些3*3矩阵中4个矩阵的pinv,而不使用numpy中的循环Python 在3D矩阵上播放linalg.pinv,python,numpy,matrix,linear-algebra,matrix-inverse,Python,Numpy,Matrix,Linear Algebra,Matrix Inverse,在下面的示例中,有一个大小为(4、3、3)的3d矩阵。如何计算这些3*3矩阵中4个矩阵的pinv,而不使用numpy中的循环 dt = np.dtype(np.float32) a=[[[12,3,1], [2,4,1], [2,4,2],], [[12,3,3], [2,4,4], [2,4,5],], [[12,3,6], [2,4,5], [2,4,4],], [[12,3,3], [2,4,5], [2,4,6]]]
dt = np.dtype(np.float32)
a=[[[12,3,1],
[2,4,1],
[2,4,2],],
[[12,3,3],
[2,4,4],
[2,4,5],],
[[12,3,6],
[2,4,5],
[2,4,4],],
[[12,3,3],
[2,4,5],
[2,4,6]]]
a=np.asarray(a,dtype=dt)
print(a.shape)
apinv=np.zeros((4,3,3))
print(np.linalg.pinv(a[0,:,:]).shape)
for i in range(4):
apinv[i,:,:]=np.linalg.pinv(a[i,:,:])
请注意,linalg.inv通过矩阵进行广播,如下所述:
但pinv的工作方式不同。一种解决方案是使用map和lambda函数:
apinv = map(lambda n: np.linalg.pinv(n), a)
apinv = np.asarray(apinv,dtype=dt)
谢谢您知道使用theano的任何类似解决方案吗?很高兴它奏效了。对不起,我还没有使用
theano
的经验。不用担心。这里提供了一个解决方案:
apinv = map(lambda n: np.linalg.pinv(n), a)
apinv = np.asarray(apinv,dtype=dt)