python scipy eigs：无论收敛容差如何，在最大迭代次数后返回特征向量

Question

我想获得稀疏对称矩阵的特征向量，在给定时间内具有最佳精度。
目前我使用以下内容scipy.sparse.eigsh：

evals, evecs = eigsh(MyMatrix, 2,which='LM' ,tol=1.e-15, maxiter=1000000)

如果它没有tol通过迭代收敛到精度maxiter，则会产生一个ArpackNoConvergence错误，其中包含已收敛的特征向量/值，但不包含未收敛的特征向量/值。然而，我更喜欢拥有精确的向量，1.e-14而1.e-15不是根本没有向量。有没有办法强制返回尚未收敛的特征向量（也许使用另一个库）？
就像在 Matlab 中一样，eigs函数无论如何都会返回特征向量，如果未达到所需的精度，则只会发出额外的警告。

谢谢 ！

Answer 1

异常ArpackNoConvergence具有包含部分结果的属性.eigenvalues：.eigenvectors

import numpy as np
from scipy.sparse.linalg import eigsh, ArpackNoConvergence

M = np.random.RandomState(0).randn(100, 100)

try:
    w, v = eigsh(M, 5, maxiter=20)
except ArpackNoConvergence as e:
    print(e)
    w = e.eigenvalues
    v = e.eigenvectors
    print(w.shape, v.shape)

印刷：

ARPACK error -1: No convergence (21 iterations, 2/5 eigenvectors converged)
((2,), (100, 2))