numpy.linalg.tensorsolve

numpy.linalg.tensorsolve(a, b, axes=None)

为x解出张量方程a x = b

假设x的所有索引与a的最右边索引一起在产物中求和，如在例如 tensordot（a， x， axes = len（b.shape））。

参数：

a：array_like

系数张量，形状b.shape + Q。 Q等于由其最右边索引的适当数目组成的a的子张量的形状，并且必须使得prod（Q） == prod（b.shape）（在某种意义上a '广场'）。

b：array_like

右手张量，可以是任何形状。

axes：ints的元组，可选

在a中的轴，在反演前向右重新排序。如果为无（默认值），则不进行重新排序。

返回：

x：ndarray，shape Q

上升：

LinAlgError

如果a是奇异的或不是'正方形'（在上述意义上）。

也可以看看

tensordot，tensorinv，einsum

例子

>>> a = np.eye(2*3*4)
>>> a.shape = (2*3, 4, 2, 3, 4)
>>> b = np.random.randn(2*3, 4)
>>> x = np.linalg.tensorsolve(a, b)
>>> x.shape
(2, 3, 4)
>>> np.allclose(np.tensordot(a, x, axes=3), b)
True