我有一个形状为[4, 4, 2, 2]的矩阵g，我需要找到g[0, 0]、g[1, 1]、g[2, 2]和g[3, 3]的秩，这些都是2x2的矩阵。我使用了tf.rank操作符，但它将g视为一个单一的数组，并计算整个矩阵的秩并返回一个单一的值。我需要的是一个2x2的矩阵，包含对应g[i, j]的秩。以下是一个最小工作示例（MWE）：

import tensorflow as tfimport numpy as npa = np.array([ [[[ 0., 0.], [ 0., 0.]], [[-1., -1.], [-1., -1.]], [[-2., -2.], [-2., -2.]], [[-3., -3.], [-3., -3.]]],  [[[ 1., 1.], [ 1., 1.]], [[ 0., 0.], [ 0., 0.]], [[-1., -1.], [-1., -1.]], [[-2., -2.], [-2., -2.]]], [[[ 2., 2.], [ 2., 2.]], [[ 1., 1.], [ 1., 1.]], [[ 0., 0.], [ 0., 0.]], [[-1., -1.], [-1., -1.]]], [[[ 3., 3.], [ 3., 3.]], [[ 2., 2.], [ 2., 2.]], [[ 1., 1.], [ 1., 1.]], [[ 0., 0.], [ 0., 0.]]]])rank = tf.rank(a)  # Returns a number

除了使用for循环之外，有没有其他方法可以得到这个秩矩阵？谢谢。

回答：

我认为TensorFlow中没有计算矩阵秩的函数。一种可能的方法是使用tf.linalg.svd并计算非零奇异值的数量：

import tensorflow as tfEPS = 1e-6a = tf.ones((4, 4, 2, 2), tf.float32)s = tf.linalg.svd(a, full_matrices=False, compute_uv=False)r = tf.math.count_nonzero(tf.abs(s) > EPS, axis=-1)print(r.numpy())# [[1 1 1 1]#  [1 1 1 1]#  [1 1 1 1]#  [1 1 1 1]]