python scipy eigs: вернуть собственный вектор после максимального количества итераций независимо от допуска сходимости

Question

Я хотел бы получить собственные векторы разреженной симметричной матрицы с лучшей точностью, доступной в данный момент времени.
В настоящее время я использую следующие с scipy.sparse.eigsh:

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

Если не сходится к tol точности по maxiter итераций, он поднимает ArpackNoConvergence ошибку, которая содержит собственные векторы/значения, которые сходились, но не те, которые сделали не. Тем не менее, я предпочитаю иметь вектор с точностью 1.e-14 вместо 1.e-15, а не без вектора вообще. Есть ли способ заставить возвращать собственные векторы, которые еще не сходились (возможно, с другой библиотекой)?
Как и в Matlab, где функция eigs в любом случае возвращает собственные векторы, с дополнительным предупреждением, если желаемая точность не достигнута.

Спасибо!

Answer 1

ArpackNoConvergence исключение имеет .eigenvalues и .eigenvectors атрибуты, которые содержат частичные результаты:

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) 

Печать:

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