torch.linalg 是 PyTorch 框架中的一个模块，它提供了一系列线性代数运算。这个模块在 PyTorch 2.0 中被引入，是为了补充现有的 torch.matmul 和 torch.tensor 运算，提供更全面的线性代数功能。torch.linalg 模块包含了一些线性代数的核心操作，例如矩阵分解、特征值和特征向量计算等。
以下是一些 torch.linalg 模块中常见函数的例子：

1. torch.linalg.norm(tensor, p=2, dim=None, keepdim=False, out=None): 计算张量的 p 范数。默认情况下，p=2 计算的是欧几里得范数，即通常所说的“长度”。
2. torch.linalg.inv(tensor): 计算张量的逆。只有当张量是方阵（行数和列数相等）且有非零行列式时，才能计算逆。
3. torch.linalg.eig(tensor): 计算张量的特征值和对应的特征向量。这个函数可以返回特征值和特征向量的 tensors。
4. torch.linalg.eigh(tensor): 类似 eig，但是专门用于对称或埃尔米特矩阵，它计算的是特征值和对应的特征向量。
5. torch.linalg.qr(tensor): 计算张量的 QR 分解，其中 Q 是一个正交矩阵，而 R 是一个上三角矩阵。
6. torch.linalg.svd(tensor): 计算张量的奇异值分解（SVD），返回 U、s 和 Vh 三个张量，其中 U 和 Vh 都是正交矩阵，s 是一个对角矩阵。
7. torch.linalg.cholesky(tensor): 计算张量的 Cholesky 分解，仅适用于平方且正定的二阶张量。
   torch.linalg 模块的功能非常强大，使得在 PyTorch 中进行复杂的线性代数运算变得更为方便。这个模块的设计目的是为了提供易于使用的接口，同时保持高性能和精确的控制能力。随着 PyTorch 的发展，torch.linalg 模块将得到进一步的增强和完善。