python scipy eigs：無論收斂容差如何，在最大迭代次數后返回特征向量

Question

我想得到一個稀疏對稱矩陣的特征向量，在給定時間內具有最低的精度。
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)

如果它沒有通過maxiter迭代收斂到tol精度，它會引發一個ArpackNoConvergence錯誤，其中包含已收斂的特征向量/值，但不包含那些未收斂的特征向量/值。 然而，我更傾向於使用精度為1.e-14而不是1.e-15向量，而不是根本沒有向量。 有沒有辦法強制返回尚未收斂的特征向量（可能與另一個庫）？
就像在Matlab中一樣， eigs函數無論如何都返回特征向量，如果沒有達到所需的精度，只需要一個額外的警告。

謝謝 ！

Answer 1

ArpackNoConvergence異常具有包含部分結果的.eigenvalues和.eigenvectors屬性：

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))