python-scipy-eigs：在最大迭代次数后返回特征向量，无论收敛公差如何

Question

我想得到一个稀疏对称矩阵的特征向量，在给定的时间内具有最好的精度。
当前，我将以下内容与scipy.sparse.eigsh一起使用：

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，则会产生ArpackNoConvergence错误，该错误包含已收敛的特征向量/值，但不包含未收敛的特征向量/值。但是，我更喜欢使用精度为1.e-14的向量，而不是{}而不是没有向量。有没有一种方法可以强制返回尚未收敛的特征向量（可能与另一个库一起）？
就像在Matlab中一样，eigs函数无论如何都会返回特征向量，如果没有达到所需的精度，则只会发出额外的警告。在

谢谢！在

Answer 1

^{}异常具有包含部分结果的.eigenvalues和{}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)

印刷品：

^{pr2}$