Peringatan: API ini tidak digunakan lagi dan akan dihapus di versi TensorFlow mendatang setelah penggantinya stabil.

SparseMatrixSparseCholesky

kelas akhir publik SparseMatrixSparseCholesky

Menghitung dekomposisi Cholesky yang jarang dari `input`.

Menghitung dekomposisi Cholesky jarang dari matriks jarang, dengan permutasi pengurangan pengisi yang diberikan.

Matriks input sparse dan `permutation` permutasi pereduksi pengisi harus memiliki bentuk yang kompatibel. Jika matriks jarang memiliki peringkat 3; dengan dimensi batch `B`, maka `permutasi` harus berperingkat 2; dengan dimensi batch yang sama `B`. Tidak ada dukungan untuk penyiaran.

Selanjutnya, setiap vektor komponen `permutasi` harus memiliki panjang `N`, yang memuat setiap bilangan bulat {0, 1, ..., N - 1} tepat satu kali, di mana `N` adalah jumlah baris setiap komponen dari matriks jarang.

Setiap komponen matriks sparse masukan harus mewakili matriks definit positif simetris (SPD); meskipun hanya bagian segitiga bawah dari matriks yang dibaca. Jika ada komponen individual yang bukan SPD, maka kesalahan InvalidArgument akan ditampilkan.

Matriks jarang yang dikembalikan memiliki bentuk padat yang sama dengan matriks jarang masukan. Untuk setiap komponen `A` dari matriks jarang masukan, matriks jarang keluaran yang sesuai mewakili `L`, faktor Cholesky segitiga bawah memenuhi identitas berikut:

A = L * Lt
 
di mana Lt menunjukkan transpos L (atau transpos konjugatnya, jika ` type` adalah `complex64` atau `complex128`).

Parameter `type` menunjukkan jenis elemen matriks. Jenis yang didukung adalah: `float32`, `float64`, `complex64` dan `complex128`.

Contoh penggunaan:

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 Sparse Cholesky factor using AMD Ordering for reducing zero
       # fill-in (number of structural non-zeros in the sparse Cholesky factor).
       ordering_amd = sparse_csr_matrix_ops.sparse_matrix_ordering_amd(sparse_matrix)
       cholesky_sparse_matrices = (
           sparse_csr_matrix_ops.sparse_matrix_sparse_cholesky(
               sparse_matrix, ordering_amd, type=tf.float32))
 
       # Convert the CSRSparseMatrix Cholesky factor to a dense Tensor
       dense_cholesky = sparse_csr_matrix_ops.csr_sparse_matrix_to_dense(
           cholesky_sparse_matrices, tf.float32)
 
       # Evaluate the dense Tensor value.
       dense_cholesky_value = sess.run(dense_cholesky)
 
`dense_cholesky_value` menyimpan faktor Cholesky padat:
[[  1.  0.    0.    0.]
      [  0.  1.41  0.    0.]
      [  0.  0.70  1.58  0.]
      [  0.  0.    0.    2.]]
 
input: A `CSRSparseMatrix`. permutasi: A `Tensor`. jenis: Jenis `masukan`.

Metode Publik

Keluaran <Objek>
sebagai Keluaran ()
Mengembalikan pegangan simbolis dari sebuah tensor.
statis <T> SparseMatrixSparseCholesky
buat ( Cakupan lingkup, input Operand <?>, permutasi Operand <Integer>, tipe Kelas<T>)
Metode pabrik untuk membuat kelas yang membungkus operasi SparseMatrixSparseCholesky baru.
Keluaran <?>
keluaran ()
Penguraian `input` yang jarang dilakukan oleh Cholesky.

Metode yang Diwarisi

Metode Publik

Output publik <Object> sebagai Output ()

Mengembalikan pegangan simbolis dari sebuah tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static SparseMatrixSparseCholesky create ( Scope scope, Operand <?> input, Operand <Integer> permutation, Class<T> type)

Metode pabrik untuk membuat kelas yang membungkus operasi SparseMatrixSparseCholesky baru.

Parameter
cakupan lingkup saat ini
memasukkan Sebuah `CSRSparseMatrix`.
permutasi Matriks permutasi pereduksi pengisi.
Kembali
  • contoh baru dari SparseMatrixSparseCholesky

Keluaran publik <?> keluaran ()

Penguraian `input` yang jarang dilakukan oleh Cholesky.