SparseMatrixOrderingAMD

सार्वजनिक अंतिम वर्ग SparseMatrixOrderingAMD

'इनपुट' के अनुमानित न्यूनतम डिग्री (एएमडी) क्रम की गणना करता है।

विरल मैट्रिक्स के लिए अनुमानित न्यूनतम डिग्री (एएमडी) ऑर्डर की गणना करता है।

लौटाए गए क्रमपरिवर्तन का उपयोग दिए गए विरल मैट्रिक्स की पंक्तियों और स्तंभों को क्रमबद्ध करने के लिए किया जा सकता है। यह आम तौर पर मूल मैट्रिक्स के अपघटन की तुलना में कम शून्य भरण में क्रमबद्ध विरल मैट्रिक्स के विरल चोलस्की (या अन्य अपघटन) का परिणाम है।

इनपुट स्पार्स मैट्रिक्स में रैंक 2 या रैंक 3 हो सकता है। आउटपुट टेंसर, जो प्रतिनिधित्व करता है, इनपुट के समान बैच आकार के साथ क्रमशः रैंक 1 या 2 होगा।

इनपुट विरल मैट्रिक्स के प्रत्येक घटक को एक वर्ग सममित मैट्रिक्स का प्रतिनिधित्व करना चाहिए; मैट्रिक्स का केवल निचला त्रिकोणीय भाग ही पढ़ा जाता है। विरल मैट्रिक्स का मान लौटाए गए क्रमपरिवर्तन को प्रभावित नहीं करता है, केवल विरल मैट्रिक्स के विरल पैटर्न का उपयोग किया जाता है। इसलिए, एक एकल एएमडी ऑर्डरिंग का उपयोग समान स्पार्सिटी पैटर्न के साथ लेकिन संभवतः अलग-अलग मूल्यों के साथ विरल मैट्रिसेस के चोल्स्की अपघटन के लिए पुन: उपयोग किया जा सकता है।

आउटपुट क्रमपरिवर्तन का प्रत्येक बैच घटक `एन` तत्वों के क्रमपरिवर्तन का प्रतिनिधित्व करता है, जहां इनपुट विरल मैट्रिक्स घटकों में से प्रत्येक में `एन` पंक्तियाँ होती हैं। अर्थात्, घटक में प्रत्येक पूर्णांक `{0, .. N-1}` बिल्कुल एक बार होता है। `i`वां तत्व उस पंक्ति सूचकांक का प्रतिनिधित्व करता है जिसे `i`वीं पंक्ति मैप करती है।

उपयोग उदाहरण:

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)
 
`ordering_amd_value` AMD ऑर्डरिंग को संग्रहीत करता है: `[1 2 3 0]`।

इनपुट: एक `CSRSparseMatrix`।

सार्वजनिक तरीके

आउटपुट <पूर्णांक>
आउटपुट के रूप में ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
स्टेटिक स्पार्समैट्रिक्सऑर्डरिंगएएमडी
बनाएं ( स्कोप स्कोप, ऑपरेंड <?> इनपुट)
एक नए SparseMatrixOrderingAMD ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
आउटपुट <पूर्णांक>
आउटपुट ()
`इनपुट` का अनुमानित न्यूनतम डिग्री (एएमडी) क्रम।

विरासत में मिले तरीके

सार्वजनिक तरीके

सार्वजनिक आउटपुट <पूर्णांक> आउटपुट के रूप में ()

टेंसर का प्रतीकात्मक हैंडल लौटाता है।

TensorFlow संचालन के इनपुट किसी अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।

सार्वजनिक स्थैतिक SparseMatrixOrderingAMD बनाएं ( स्कोप स्कोप, ऑपरेंड <?> इनपुट)

एक नए SparseMatrixOrderingAMD ऑपरेशन को लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।

पैरामीटर
दायरा वर्तमान दायरा
इनपुट एक `CSRSparseMatrix`।
रिटर्न
  • SparseMatrixOrderingAMD का एक नया उदाहरण

सार्वजनिक आउटपुट <पूर्णांक> आउटपुट ()

`इनपुट` का अनुमानित न्यूनतम डिग्री (एएमडी) क्रम।