공개 최종 클래스 SelfAdjointEig
자기 수반 행렬 배치의 고유 분해를 계산합니다.
(참고: 실제 입력만 지원됩니다.)
tensor[...,:,:] * v[..., :,i] = e[..., i] * v가 되도록 텐서에서 가장 안쪽 NxN 행렬의 고유값과 고유벡터를 계산합니다. [...,:,i], i=0...N-1인 경우.
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| static <T는 TType을 확장합니다. > SelfAdjointEig <T> | |
| 출력 <T> | V () v[..., :, i] 열은 고유값 w[..., i]에 해당하는 정규화된 고유 벡터입니다. |
| 출력 <T> | w () 고유값은 오름차순으로, 각각의 다중도에 따라 반복됩니다. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
상수 값: "XlaSelfAdjointEig"
공개 방법
공개 정적 SelfAdjointEig <T> 생성 ( 범위 범위, 피연산자 <T> a, 부울 하한값, Long maxIter, 부동 엡실론)
새로운 SelfAdjointEig 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| ㅏ | 입력 텐서. |
| 낮추다 | 부울은 계산이 하부 삼각 부분 또는 상부 삼각 부분으로 수행되는지 여부를 지정합니다. |
| maxIter | 스윕 업데이트의 최대 수, 즉 매개변수 lower를 기준으로 전체 하부 삼각 부분 또는 상부 삼각 부분. 경험적으로 실제로는 대략 logN 스윕이 필요하다고 주장되어 왔습니다(참조: Golub & van Loan "Matrix Computation"). |
| 엡실론 | 공차 비율. |
보고
- SelfAdjointEig의 새로운 인스턴스
공개 최종 클래스 SelfAdjointEig
자기 수반 행렬 배치의 고유 분해를 계산합니다.
(참고: 실제 입력만 지원됩니다.)
tensor[...,:,:] * v[..., :,i] = e[..., i] * v가 되도록 텐서에서 가장 안쪽 NxN 행렬의 고유값과 고유벡터를 계산합니다. [...,:,i], i=0...N-1인 경우.
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| static <T는 TType을 확장합니다. > SelfAdjointEig <T> | |
| 출력 <T> | V () v[..., :, i] 열은 고유값 w[..., i]에 해당하는 정규화된 고유 벡터입니다. |
| 출력 <T> | w () 고유값은 오름차순으로, 각각의 다중도에 따라 반복됩니다. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
상수 값: "XlaSelfAdjointEig"
공개 방법
공개 정적 SelfAdjointEig <T> 생성 ( 범위 범위, 피연산자 <T> a, 부울 하한값, Long maxIter, 부동 엡실론)
새로운 SelfAdjointEig 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| ㅏ | 입력 텐서. |
| 낮추다 | 부울은 계산이 하부 삼각 부분 또는 상부 삼각 부분으로 수행되는지 여부를 지정합니다. |
| maxIter | 스윕 업데이트의 최대 수, 즉 매개변수 lower를 기준으로 전체 하부 삼각 부분 또는 상부 삼각 부분. 경험적으로 실제로는 대략 logN 스윕이 필요하다고 주장되어 왔습니다(참조: Golub & van Loan "Matrix Computation"). |
| 엡실론 | 공차 비율. |
보고
- SelfAdjointEig의 새로운 인스턴스