SelfAdjointEig

classe final pública SelfAdjointEig

Calcula a decomposição própria de um lote de matrizes autoadjuntas

(Nota: apenas entradas reais são suportadas).

Calcula os autovalores e autovetores das matrizes N por N mais internas no tensor tal que tensor[...,:,:] * v[..., :,i] = e[..., i] * v [...,:,i], para i=0...N-1.

Constantes

Corda OP_NAME O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow

Métodos Públicos

estático <T estende TType > SelfAdjointEig <T>
create (escopo do escopo , Operando <T> a, Boolean inferior, Long maxIter, Float epsilon)
Método de fábrica para criar uma classe que envolve uma nova operação SelfAdjointEig.
Saída <T>
v ()
A coluna v[..., :, i] é o autovetor normalizado correspondente ao autovalor w[..., i].
Saída <T>
c ()
Os autovalores em ordem crescente, cada um repetido de acordo com sua multiplicidade.

Métodos herdados

Constantes

String final estática pública OP_NAME

O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow

Valor constante: "XlaSelfAdjointEig"

Métodos Públicos

public static SelfAdjointEig <T> create ( Escopo de escopo , Operando <T> a, Boolean inferior, Long maxIter, Float epsilon)

Método de fábrica para criar uma classe que envolve uma nova operação SelfAdjointEig.

Parâmetros
escopo escopo atual
a o tensor de entrada.
mais baixo um booleano especifica se o cálculo é feito com a parte triangular inferior ou com a parte triangular superior.
maxIter número máximo de atualização de varredura, ou seja, toda a parte triangular inferior ou parte triangular superior com base no parâmetro inferior. Heuristicamente, tem sido argumentado que varreduras aproximadamente logN são necessárias na prática (Ref: Golub & van Loan "Matrix Computation").
épsilon a taxa de tolerância.
Devoluções
  • uma nova instância de SelfAdjointEig

Saída pública <T> v ()

A coluna v[..., :, i] é o autovetor normalizado correspondente ao autovalor w[..., i].

Saída pública <T> w ()

Os autovalores em ordem crescente, cada um repetido de acordo com sua multiplicidade.