用cupy求解矩形稀疏线性方程组

Question

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)为方阵A做到这一点。但是我喜欢解决矩形稀疏系统。这就是我们求解平方系统的方法：

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)

它给出了矩形系统的尺寸不匹配误差，我找不到等效的内置稀疏方法，例如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。我正在使用谷歌一个Colab笔记本。

Answer 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。

这可以通过在 MAGMA 中包装lsqr来实现，如本例所示。

Answer 2

您可以参考 https://docs-cupy.chainer.org/en/stable/reference/linalg.html，了解当前 cupy 对线性代数的支持函数。我可以找到cupy.linalg.tensorsolve，但到目前为止我找不到cupy.linalg.lsqr。

另外，我认为将这个问题标记为"cupy"或"numpy"是很好的。