PyTorch中rank与ndim的区别

在PyTorch中，rank和ndim是两个完全不同的概念.

tensor([[0.1183, 0.1972, 0.2399, 0.2899, 0.1328],
        [0.1972, 0.7784, 0.8612, 0.6411, 0.5808],
        [0.2399, 0.8612, 1.1439, 0.8376, 0.6411],
        [0.2899, 0.6411, 0.8376, 0.8076, 0.4530],
        [0.1328, 0.5808, 0.6411, 0.4530, 0.4365]], device='cuda:0')

1. ndim (Number of Dimensions)

• 含义：表示张量的维度数量（也叫轴的数量）

• 示例：

  x.ndim  # 返回2
  

  这表示x是一个2维张量（矩阵），因为它有行和列两个维度。

• 等价写法：

  len(x.shape)  # 也是2
  

2. rank (矩阵的秩)

• 含义：在线性代数中，矩阵的秩是指其行或列向量组的最大线性无关组的大小
• 注意：
  • PyTorch张量没有直接的.rank属性
  • 需要使用torch.linalg.matrix_rank()计算
• 示例：

  torch.linalg.matrix_rank(x)  # 返回tensor(3)
  

  这表示5×5矩阵的秩是3（不是满秩矩阵）

关键区别对比表