在 numpy 的 svd 方法中使用替代 LAPACK 驱动程序？

Question

我正在使用 numpy.svd 来计算条件不良矩阵的奇异值分解。对于某些特殊情况，svd 不会收敛并引发 Linalg.Error。我做了一些研究，发现 numpy 使用 LAPACK 中的 DGEESDD 例程。标准实现的硬编码迭代限制为 35 次或更多迭代。如果我尝试在 Matlab 中分解相同的矩阵，一切都会正常，我认为有两个原因： 1. Matlab 使用 DGESVD 而不是 DGEESDD，后者通常看起来更稳健。2. Matlab 在例程中使用 75 次迭代限制。（他们在源代码中更改了它并重新编译了它。）

现在的问题是：是否有一种简单的方法可以将 numpy 中使用的后端从 DGEESDD 更改为 DGESVD，而无需修改 numpy 源？

预先感谢米莎

Answer 1

我有点晚了，但这也许对其他人有帮助......

我在朱莉娅身上也遇到了类似的问题。

我从 R 帮助列表中找到了这种方法，它应该适用于使用 lapack 库的任何环境：

基本上，如果 svd(M) 失败，请尝试 svd(M')，并适当交换生成的 U、V。

这是我在朱莉娅中的做法：

try
  U,S,V = svd( E_restricted )
  failed = false
catch
  failed = true
end
if failed
  # try it with matrix transposed
  try
    V,S,U = svd( E_restricted' )
    failed = false
  catch
    failed = true
  end
end
if failed
  error("ERROR: svd(E) and svd(E') failed!")
end