تجزیه ویژه دسته ای از ماتریس های خود الحاقی را محاسبه می کند
(توجه: فقط ورودی های واقعی پشتیبانی می شوند).
مقادیر ویژه و بردارهای ویژه درونی ترین ماتریس های N به N را در تانسور محاسبه می کند به طوری که تانسور[...,:,:] * v[..., :,i] = e[..., i] * v [...,:,i]، برای i=0...N-1.
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| static <T TType > SelfAdjointEig <T> را گسترش می دهد | |
| خروجی <T> | v () ستون v[...،:، i] بردار ویژه نرمال شده مربوط به مقدار ویژه w[...، i] است. |
| خروجی <T> | w () مقادیر ویژه به ترتیب صعودی، هر کدام با توجه به تعدد خود تکرار می شوند. |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
ایستا عمومی SelfAdjointEig <T> ایجاد ( scope scope، عملوند <T> a، Boolean low، Long maxIter، Float epsilon)
روش کارخانه برای ایجاد کلاسی که یک عملیات SelfAdjointEig جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| آ | تانسور ورودی |
| پایین تر | یک بولی مشخص می کند که آیا محاسبه با قسمت مثلثی پایینی یا مثلثی بالایی انجام می شود. |
| maxIter | حداکثر تعداد به روز رسانی جارو، یعنی کل قسمت مثلثی پایینی یا قسمت مثلثی بالایی بر اساس پارامتر پایین تر. از نظر اکتشافی، استدلال شده است که تقریباً logN جاروها در عمل مورد نیاز است (رجوع کنید: Golub & van Loan "Matrix Computation"). |
| اپسیلون | نسبت تحمل |
برمی گرداند
- یک نمونه جدید از SelfAdjointEig
تجزیه ویژه دسته ای از ماتریس های خود الحاقی را محاسبه می کند
(توجه: فقط ورودی های واقعی پشتیبانی می شوند).
مقادیر ویژه و بردارهای ویژه درونی ترین ماتریس های N به N را در تانسور محاسبه می کند به طوری که تانسور[...,:,:] * v[..., :,i] = e[..., i] * v [...,:,i]، برای i=0...N-1.
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| static <T TType > SelfAdjointEig <T> را گسترش می دهد | |
| خروجی <T> | v () ستون v[...،:، i] بردار ویژه نرمال شده مربوط به مقدار ویژه w[...، i] است. |
| خروجی <T> | w () مقادیر ویژه به ترتیب صعودی، هر کدام با توجه به تعدد خود تکرار می شوند. |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
ایستا عمومی SelfAdjointEig <T> ایجاد ( scope scope، عملوند <T> a، Boolean low، Long maxIter، Float epsilon)
روش کارخانه برای ایجاد کلاسی که یک عملیات SelfAdjointEig جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| آ | تانسور ورودی |
| پایین تر | یک بولی مشخص می کند که آیا محاسبه با قسمت مثلثی پایینی یا مثلثی بالایی انجام می شود. |
| maxIter | حداکثر تعداد به روز رسانی جارو، یعنی کل قسمت مثلثی پایینی یا قسمت مثلثی بالایی بر اساس پارامتر پایین تر. از نظر اکتشافی، استدلال شده است که تقریباً logN جاروها در عمل مورد نیاز است (رجوع کنید: Golub & van Loan "Matrix Computation"). |
| اپسیلون | نسبت تحمل |
برمی گرداند
- یک نمونه جدید از SelfAdjointEig