相关疑难解决方法(0)

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

嗨，我是用f2py包裹LAPACK例行dgesvd，通过编译dgesvd.f文件和链接它反对llapack，如解释在这里

根据文档字符串，dgesvd 模块具有签名：

dgesvd - Function signature:
  dgesvd(jobu,jobvt,m,n,a,s,u,vt,work,lwork,info,[lda,ldu,ldvt])
Required arguments:
  jobu : input string(len=1)
  jobvt : input string(len=1)
  m : input int
  n : input int
  a : input rank-2 array('d') with bounds (lda,*)
  s : input rank-1 array('d') with bounds (*)
  u : input rank-2 array('d') with bounds (ldu,*)
  vt : input rank-2 array('d') with bounds (ldvt,*)
  work : input rank-1 array('d') with bounds (*)
  lwork : input int
  info : input int
Optional arguments:
  lda := shape(a,0) …