Svd

kelas akhir publik Svd

Menghitung dekomposisi eigen dari sekumpulan matriks self-adjoint

(Catatan: Hanya masukan nyata yang didukung).

Menghitung nilai eigen dan vektor eigen matriks M-kali-N terdalam dalam tensor sehingga tensor[...,:,:] = u[..., :, :] * Diag(s[..., :] ) * Mengubah urutan(v[...,:,:]).

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

statis <T memperluas TType > Svd <T>
buat ( Lingkup lingkup, Operan <T> a, Long maxIter, Float epsilon, String presisiConfig)
Metode pabrik untuk membuat kelas yang membungkus operasi Svd baru.
Keluaran <T>
S ()
Nilai tunggal.
Keluaran <T>
kamu ()
Vektor tunggal kiri.
Keluaran <T>
v ()
Vektor tunggal kanan.

Metode Warisan

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "XlaSvd"

Metode Publik

Svd statis publik <T> buat ( Lingkup lingkup, Operan <T> a, Long maxIter, Float epsilon, String PrecisionConfig)

Metode pabrik untuk membuat kelas yang membungkus operasi Svd baru.

Parameter
cakupan ruang lingkup saat ini
A tensor masukan.
maxIter jumlah maksimum pembaruan sapuan, yaitu seluruh bagian segitiga bawah atau bagian segitiga atas berdasarkan parameter yang lebih rendah. Secara heuristik, telah dikemukakan bahwa kira-kira sapuan log(min (M, N)) diperlukan dalam praktiknya (Ref: Golub & van Loan "Perhitungan Matriks").
epsilon rasio toleransi.
konfigurasi presisi proto xla::PrecisionConfig berseri.
Kembali
  • contoh baru dari Svd

Keluaran publik <T> s ()

Nilai tunggal. Nilai diurutkan dalam urutan terbalik, jadi s[..., 0] adalah nilai terbesar, s[..., 1] adalah nilai terbesar kedua, dan seterusnya.

Keluaran publik <T> u ()

Vektor tunggal kiri.

Keluaran publik <T> v ()

Vektor tunggal kanan.