如何在PyTorch中计算张量的矩阵对数？

PyTorch 1.8.0及以上版本提供了torch.linalg.logm()函数，完全等价于scipy.linalg.logm()的功能，原生支持PyTorch张量，且保留自动微分能力，不需要转换成NumPy数组。

基础使用示例 #

import torch

# 创建带梯度追踪的正定矩阵张量
A = torch.tensor([[3.0, 1.0], [1.0, 3.0]], requires_grad=True)

# 计算矩阵对数
log_matrix = torch.linalg.logm(A)
print("矩阵对数结果:\n", log_matrix)

验证梯度传递 #

要确认梯度能正常用于后续运算，可以做一个简单的反向传播测试：

# 定义一个简单的损失函数（取对数矩阵所有元素的和）
loss = log_matrix.sum()
loss.backward()

# 查看原矩阵的梯度
print("原矩阵的梯度:\n", A.grad)

注意事项 #

• 和scipy.linalg.logm()一样，输入矩阵需要是可逆且存在对数的矩阵（比如正定矩阵、无负实特征值的可逆矩阵），否则会出现数值不稳定或报错。
• 函数支持批量矩阵输入（形状为(batch_size, n, n)的张量），无需手动循环处理每个样本。

内容的提问来源于stack exchange，提问作者Nathan