用cupy求解矩形稀疏线性方程组答案

【问题标题】：Solve rectangular sparse linear equation systems with cupy用cupy求解矩形稀疏线性方程组
【发布时间】：2019-02-04 23:10:17
【问题描述】：

我正在尝试使用 cupy 解决稀疏特征的矩形系统。我知道内置函数sparse.linalg.lsqr(A, b) 是为方阵A 做的。但是我喜欢解决一个矩形稀疏系统。这是我们可以解决平方系统的方法：

Import cupy as cp

A = cp.sparse.rand(200, 100, density=0.1)
b = cp.random.random(100)

x = cp.sparse.linalg.lsqr (A, b)
print(x)

它给出了矩形系统尺寸不匹配的错误，我找不到与例如等效的内置稀疏方法。 cupy.tensorsolve().

顺便问一下，有没有办法用 Tensorflow 做到这一点？谢谢你的帮助。我正在使用谷歌 Colaboratory notebook。

【问题讨论】：

【解决方案1】：

对于提问者来说可能为时已晚，但为了后代，我回答了这个问题。

这可以通过将lsqr 包裹在MAGMA 中来实现，如this example 所示。

【讨论】：

【解决方案2】：

目前cupy对线性代数的支持功能可以参考https://docs-cupy.chainer.org/en/stable/reference/linalg.html。我可以找到cupy.linalg.tensorsolve，但目前我找不到cupy.linalg.lsqr。

另外我认为将这个问题标记为“cupy”或“numpy”也不错。

【讨论】：