عمومی TridiagonalSolve کلاس نهایی
سیستم های معادلات سه ضلعی را حل می کند.
سیستم های معادلات سه ضلعی را حل می کند. از ابعاد دسته ای و چندین سمت راست در هر سمت چپ پشتیبانی می کند. در CPU، راه حل از طریق حذف گاوسی با یا بدون چرخش جزئی، بسته به ویژگی «پیوتینگ_جزئی» محاسبه می‌شود. در GPU، کتابخانه cuSPARSE انویدیا استفاده می‌شود: https://docs.nvidia.com/cuda/cusparse/index.html#gtsv چرخش جزئی هنوز توسط پشتیبان‌های XLA پشتیبانی نمی‌شود.
کلاس های تو در تو
| کلاس | TridiagonalSolve.Options | ویژگی اختیاری برای TridiagonalSolve | |
روش های عمومی
| خروجی <T> | asOutput () دسته نمادین یک تانسور را برمی‌گرداند. |
| شخص <T> TridiagonalSolve <T> | ایجاد ( محدوده دامنه، عملوند <T> قطر، عملوند <T> RHS، گزینه ها ... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات TridiagonalSolve جدید را بسته بندی می کند. |
| خروجی <T> | خروجی () تانسور شکل «[...، M، K]» حاوی محلول‌ها |
| شخص TridiagonalSolve.Options | partialPivoting (بولی partialPivoting) |
| شخص TridiagonalSolve.Options | perturbSingular (بولی perturbSingular) |
روش های ارثی
روش های عمومی
عمومی خروجی <T> asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک TridiagonalSolve <T> ایجاد ( محدوده دامنه، عملوند <T> قطر، عملوند <T> RHS، گزینه ها ... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات TridiagonalSolve جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| مورب ها | تانسور شکل «[...، 3، M]» که درونی‌ترین ابعاد آن نشان‌دهنده ماتریس‌های سه‌ضلعی است که سه ردیف آن به ترتیب فوق‌مورب، مورب و فرعی هستند. آخرین عنصر فوق قطر و اولین عنصر فرعی نادیده گرفته می شود. |
| rhs | تانسور شکل «[...، M، K]»، نشان دهنده K سمت راست در هر سمت چپ است. |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از TridiagonalSolve
عمومی استاتیک TridiagonalSolve.Options partialPivoting (بولی partialPivoting)
مولفه های
| محوری جزئی | آیا برای اعمال چرخش جزئی. چرخش جزئی باعث پایداری بیشتر، اما کندتر می شود. |
|---|