SparseMatrixOrderingAMD

Oblicza przybliżoną minimalną kolejność (AMD) „wejść”.

Oblicza porządek przybliżonego minimalnego stopnia (AMD) dla macierzy rzadkiej.

Zwróconą permutację można wykorzystać do permutacji wierszy i kolumn danej macierzy rzadkiej. Zwykle powoduje to, że permutowana rzadka macierz Cholesky'ego (lub inne rozkłady) ma mniej wypełnienia zerami w porównaniu z rozkładem oryginalnej macierzy.

Wejściowa macierz rzadka może mieć rangę 2 lub rangę 3. Reprezentujący tensor wyjściowy miałby wówczas odpowiednio rangę 1 lub 2, z tym samym kształtem partii co dane wejściowe.

Każdy składnik wejściowej macierzy rzadkiej musi reprezentować kwadratową macierz symetryczną; odczytywana jest tylko dolna trójkątna część matrycy. Wartości macierzy rzadkiej nie wpływają na zwracaną permutację, używany jest jedynie wzór rzadkości macierzy rzadkiej. W związku z tym pojedyncze uporządkowanie AMD można ponownie wykorzystać do rozkładów Cholesky'ego rzadkich macierzy o tym samym wzorze rzadkości, ale o prawdopodobnie różnych wartościach.

Każdy składnik wsadowy permutacji wyjściowej reprezentuje permutację „N” elementów, przy czym każdy z wejściowych składników macierzy rzadkiej ma „N” wierszy. Oznacza to, że składnik zawiera każdą z liczb całkowitych `{0, .. N-1}` dokładnie raz. „i” element reprezentuje indeks wiersza, na który odwzorowuje „i” wiersz.

Przykład użycia:

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)
 

dane wejściowe: `CSRSparseMatrix`.