scipy.sparse.linalg.eigsh 固定种子

Question

我正在尝试将 scipy.sparse.linalg.eigsh 与固定种子一起使用。

为此，我需要指定 v0 参数。但是，我无法弄清楚 v0 中到底需要什么，因为这里的文档非常少（它只是说 numpy.ndarray）并且错误消息对我来说没有信息。

代码：

import numpy as np
import scipy.sparse.linalg

A = scipy.sparse.rand(10,10)
# v0 = np.random.rand(10,10)
v0 = np.random.rand(10,5)
w, v = scipy.sparse.linalg.eigsh(A, k=5, v0=v0)

错误：

error: failed in converting 10th argument `workd' of _arpack.dsaupd to C/Fortran array

Answer 1

首先，文档在任何地方都没有提到参数 v0 必须对种子做任何事情。它说

v0 : ndarray, optional Starting vector for iteration. Default: random

根据我天真的理解，当它开始寻找 eigenvalues 和 eigenvectors 时，它的初始向量采用此参数 v0 作为开始的初始向量，现在是 seed 的事情，我们使用 seed 来修复为这些向量生成的数字。所以你的问题真的没有意义。即使你得到这个程序运行，你也会有不同的结果，为了避免我们使用 seed 来使结果可重现。

同样，我在这里可能是错的。

其次，如果您想为您的方法修复种子，我建议使用 numpy 修复种子，因为 scipy 使用 numpy 生成随机数。

所以代码看起来像这样

import numpy as np 
np.random.seed(seed= 13)

然后如果参数 v0 是种子你可以完全避免它

w, v = scipy.sparse.linalg.eigsh(A, k=5)

同样，我本可以将其发布在评论中，但最好还是添加一些代码来阐明您的观点。

P.S

我可能误解了你的问题，如果是这样的话请随时投反对票。

Answer 2

从 eigsh 获得可重现结果的正确方法是：

import numpy as np
import scipy.sparse.linalg

np.random.seed(0)
A = scipy.sparse.rand(10,10)
v0 = np.random.rand(min(A.shape))
w, v = scipy.sparse.linalg.eigsh(A, k=5, v0=v0)

每次都是同样的结果。（正确评论归功于@hpaulj）

请注意，固定种子而不设置 v0 是不够的：

np.random.seed(0)
A = scipy.sparse.rand(10,10)
w, v = scipy.sparse.linalg.eigsh(A, k=5)

每次都有不同的结果。

scipy.sparse.linalg.eigsh 固定种子

scipy.sparse.linalg.eigsh with fixed seed

python

scipy

eigenvalue

sparse-matrix