SparseMatrixOrderingAMD

'इनपुट' के क्रम में अनुमानित न्यूनतम डिग्री (एएमडी) की गणना करता है।

एक विरल मैट्रिक्स के लिए अनुमानित न्यूनतम डिग्री (AMD) की गणना करता है।

दिए गए विरल मैट्रिक्स की पंक्तियों और स्तंभों को क्रमपरिवर्तन करने के लिए लौटाए गए क्रमपरिवर्तन का उपयोग किया जा सकता है। यह आम तौर पर मूल मैट्रिक्स के अपघटन की तुलना में कम शून्य फिल-इन होने में विरल स्पैस मैट्रिक्स के विरल चोल्स्की (या अन्य अपघटन) के परिणामस्वरूप होता है।

इनपुट स्पैस मैट्रिक्स में रैंक 2 या रैंक 3 हो सकता है। आउटपुट टेंसर, जो प्रतिनिधित्व करता है, उसके बाद इनपुट के समान बैच आकार के साथ क्रमशः रैंक 1 या 2 होगा।

इनपुट विरल मैट्रिक्स के प्रत्येक घटक को एक वर्ग सममित मैट्रिक्स का प्रतिनिधित्व करना चाहिए; मैट्रिक्स का केवल निचला त्रिकोणीय भाग पढ़ा जाता है। विरल मैट्रिक्स के मान लौटाए गए क्रमपरिवर्तन को प्रभावित नहीं करते हैं, केवल विरल मैट्रिक्स के विरल पैटर्न का उपयोग किया जाता है। इसलिए, एक ही एएमडी ऑर्डरिंग को एक ही स्पार्सिटी पैटर्न के साथ विरल मैट्रिसेस के चोल्स्की अपघटन के लिए पुन: उपयोग किया जा सकता है, लेकिन संभवतः अलग-अलग मूल्यों के साथ।

आउटपुट क्रमपरिवर्तन का प्रत्येक बैच घटक `N` तत्वों के क्रमपरिवर्तन का प्रतिनिधित्व करता है, जहां इनपुट विरल मैट्रिक्स घटकों में से प्रत्येक में `N` पंक्तियाँ होती हैं। अर्थात्, घटक में प्रत्येक पूर्णांक `{0, .. N-1}` ठीक एक बार होता है। `I`वें तत्व उस पंक्ति सूचकांक का प्रतिनिधित्व करता है जिस पर `i` वीं पंक्ति मैप करती है।

प्रयोग उदाहरण:

from tensorflow.python.ops.linalg.sparse import sparse_csr_matrix_ops
 
     a_indices = np.array([[0, 0], [1, 1], [2, 1], [2, 2], [3, 3]])
     a_values = np.array([1.0, 2.0, 1.0, 3.0, 4.0], np.float32)
     a_dense_shape = [4, 4]
 
     with tf.Session() as sess:
       # Define (COO format) SparseTensor over Numpy array.
       a_st = tf.sparse.SparseTensor(a_indices, a_values, a_dense_shape)
 
       # Convert SparseTensors to CSR SparseMatrix.
       a_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
           a_st.indices, a_st.values, a_st.dense_shape)
 
       # Obtain the AMD Ordering for the CSR SparseMatrix.
       ordering_amd = sparse_csr_matrix_ops.sparse_matrix_ordering_amd(sparse_matrix)
 
       ordering_amd_value = sess.run(ordering_amd)
 

इनपुट: एक `CSRSparseMatrix`।