繁体   English   中英

python scipy eigs:无论收敛容差如何,在最大迭代次数后返回特征向量

[英]python scipy eigs : return eigenvector after maximum number of iterations whatever the convergence tolerance

我想得到一个稀疏对称矩阵的特征向量,在给定时间内具有最低的精度。
目前我在scipy.sparse.eigsh使用以下scipy.sparse.eigsh

evals, evecs = eigsh(MyMatrix, 2,which='LM' ,tol=1.e-15, maxiter=1000000)

如果它没有通过maxiter迭代收敛到tol精度,它会引发一个ArpackNoConvergence错误,其中包含已收敛的特征向量/值,但不包含那些未收敛的特征向量/值。 然而,我更倾向于使用精度为1.e-14而不是1.e-15向量,而不是根本没有向量。 有没有办法强制返回尚未收敛的特征向量(可能与另一个库)?
就像在Matlab中一样, eigs函数无论如何都返回特征向量,如果没有达到所需的精度,只需要一个额外的警告。

谢谢 !

ArpackNoConvergence异常具有包含部分结果的.eigenvalues.eigenvectors属性:

import numpy as np
from scipy.sparse.linalg import eigsh, ArpackNoConvergence

M = np.random.RandomState(0).randn(100, 100)

try:
    w, v = eigsh(M, 5, maxiter=20)
except ArpackNoConvergence as e:
    print(e)
    w = e.eigenvalues
    v = e.eigenvectors
    print(w.shape, v.shape)

打印:

ARPACK error -1: No convergence (21 iterations, 2/5 eigenvectors converged)
((2,), (100, 2))

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM