具有固定种子的 scipy.sparse.linalg.eigsh

Question

我正在尝试使用带有固定种子的scipy.sparse.linalg.eigsh。

为此，我需要指定 v0 参数。但是，我无法弄清楚 v0 究竟需要什么，因为这里的文档非常少（它只是说 numpy.ndarray）并且错误消息对我来说没有信息。

代码：

import numpy as np
import scipy.sparse.linalg

A = scipy.sparse.rand(10,10)
# v0 = np.random.rand(10,10)
v0 = np.random.rand(10,5)
w, v = scipy.sparse.linalg.eigsh(A, k=5, v0=v0)

错误：

错误：未能将 _arpack.dsaupd 的第 10 个参数“workd”转换为 C/Fortran 数组

Answer 1

从eigsh 获得可重现结果的正确方法是：

import numpy as np
import scipy.sparse.linalg

np.random.seed(0)
A = scipy.sparse.rand(10,10)
v0 = np.random.rand(min(A.shape))
w, v = scipy.sparse.linalg.eigsh(A, k=5, v0=v0)

每次结果都一样。 （感谢@hpaulj 的正确评论）

请注意，在不设置v0 的情况下修复种子是不够的：

np.random.seed(0)
A = scipy.sparse.rand(10,10)
w, v = scipy.sparse.linalg.eigsh(A, k=5)

每次都有不同的结果。

Answer 2

首先，文档没有提到参数v0 必须对种子做任何事情。它说

v0 : ndarray，可选 迭代的起始向量。默认值：随机

根据我的天真理解，当它开始找到 eigenvalues 和 eigenvectors 时它的初始向量将这个参数 v0 作为初始向量开始，现在到seed 的东西，我们使用 seed 来修复为这些向量生成的数字。所以你的问题真的没有意义。即使你让这个程序运行起来，你也会得到不同的结果，为了避免我们使用seed 来使结果可重现。

再一次，我在这里可能错了。

其次，如果您想为您的方法修复种子，我建议使用numpy 修复种子，因为scipy 使用numpy 生成随机数。

所以代码看起来像这样

import numpy as np 
np.random.seed(seed= 13)

然后如果参数v0 是种子，你可以完全避免它

w, v = scipy.sparse.linalg.eigsh(A, k=5)

我本可以在 cmets 中再次发布此内容，但最好输入一些代码以明确您的观点。

附言

我可能误解了你的问题，如果是这样，请随时投反对票。