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

我想得到一个稀疏对称矩阵的特征向量,在给定时间内具有最低的精度.
目前我在scipy.sparse.eigsh中使用以下内容：

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

如果它没有通过maxiter迭代收敛到tol精度,它会引发一个ArpackNoConvergence错误,其中包含已收敛的特征向量/值,但不包含那些未收敛的特征向量/值.然而,我更倾向于使用精度为1.e-14而不是1.e-15的向量,而不是根本没有向量.有没有办法强制返回尚未收敛的特征向量(可能与另一个库)？
就像在Matlab中一样,eigs函数无论如何都返回特征向量,如果没有达到所需的精度,只需要一个额外的警告.

谢谢 ！

解决方法:

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

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)

打印：

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

标签：python,scipy,linear-algebra,sparse-matrix,eigenvector
来源： https://codeday.me/bug/20190711/1433048.html