يحل واحدة أو أكثر من مسائل المربعات الصغرى الخطية.
`المصفوفة` هي موتر ذو شكل `[..., M, N]` يشكل بعداه الداخليان مصفوفات حقيقية أو معقدة بالحجم `[M, N]`. `Rhs` هو موتر من نفس نوع `المصفوفة` وشكله `[..., M, K]`. الناتج هو شكل موتر `[..., N, K]` حيث تحل كل مصفوفة مخرجات كل من المعادلات `matrix[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` بمعنى المربعات الصغرى.
نستخدم الترميز التالي للمصفوفة (المعقدة) والجوانب اليمنى في الدفعة:
`مصفوفة`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\)`الإخراج`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\).
إذا كانت قيمة "سريع" هي "صحيح"، فسيتم حساب الحل عن طريق حل المعادلات العادية باستخدام تحليل تشوليسكي. على وجه التحديد، إذا \\(m \ge n\\) ثم \\(X = (A^H A + \lambda I)^{-1} A^H B\\)الذي يحل مسألة المربعات الصغرى \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). لو \\(m \lt n\\) ثم يتم حساب "الإخراج" كـ \\(X = A^H (A A^H + \lambda I)^{-1} B\\)، والتي (لـ \\(\lambda = 0\\)) هو الحل المعياري الأدنى للنظام الخطي غير المحدد، أي \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)، خاضعًا لـ \\(A Z = B\\). لاحظ أن المسار السريع يكون مستقرًا عدديًا فقط عندما \\(A\\) هي رتبة كاملة عدديا ولها رقم شرط \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) أو \\(\lambda\\) كبيرة بما فيه الكفاية.
إذا كانت قيمة `سريع` هي `خطأ`، فسيتم استخدام خوارزمية تعتمد على التحليل المتعامد الكامل القوي عدديًا. هذا يحسب حل المربعات الصغرى ذو القاعدة الدنيا، حتى عندما يكون \\(A\\) هو رتبة ناقصة. عادةً ما يكون هذا المسار أبطأ بمقدار 6 إلى 7 مرات من المسار السريع. إذا كانت قيمة `سريع` `خطأ`، فسيتم تجاهل `l2_regularizer`.
فئات متداخلة
| فصل | MatrixSolveLs.Options | السمات الاختيارية لـ MatrixSolveLs | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
| ثابت <T يمتد TType > MatrixSolveLs <T> | |
| ثابت MatrixSolveLs.Options | سريع (سريع منطقي) |
| الإخراج <T> | الإخراج () الشكل هو `[...، N، K]`. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء MatrixSolveLs <T> ثابت عام (نطاق النطاق ، مصفوفة المعامل <T>، المعامل <T> rhs، المعامل < TFloat64 > l2Regularizer، الخيارات... خيارات)
طريقة المصنع لإنشاء فئة تغلف عملية MatrixSolveLs جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| مصفوفة | الشكل هو `[...، M، N]`. |
| rhs | الشكل هو `[...، M، K]`. |
| l2Regularizer | الموتر العددي. |
| خيارات | يحمل قيم السمات الاختيارية |
المرتجعات
- مثيل جديد من MatrixSolveLs
يحل واحدة أو أكثر من مسائل المربعات الصغرى الخطية.
`المصفوفة` هي موتر ذو شكل `[..., M, N]` يشكل بعداه الداخليان مصفوفات حقيقية أو معقدة بالحجم `[M, N]`. `Rhs` هو موتر من نفس نوع `المصفوفة` وشكله `[..., M, K]`. الناتج هو شكل موتر `[..., N, K]` حيث تحل كل مصفوفة مخرجات كل من المعادلات `matrix[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` بمعنى المربعات الصغرى.
نستخدم الترميز التالي للمصفوفة (المعقدة) والجوانب اليمنى في الدفعة:
`مصفوفة`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\)`الإخراج`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\).
إذا كانت قيمة "سريع" هي "صحيح"، فسيتم حساب الحل عن طريق حل المعادلات العادية باستخدام تحليل تشوليسكي. على وجه التحديد، إذا \\(m \ge n\\) ثم \\(X = (A^H A + \lambda I)^{-1} A^H B\\)الذي يحل مسألة المربعات الصغرى \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). لو \\(m \lt n\\) ثم يتم حساب "الإخراج" كـ \\(X = A^H (A A^H + \lambda I)^{-1} B\\)، والتي (لـ \\(\lambda = 0\\)) هو الحل المعياري الأدنى للنظام الخطي غير المحدد، أي \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)، خاضعًا لـ \\(A Z = B\\). لاحظ أن المسار السريع يكون مستقرًا عدديًا فقط عندما \\(A\\) هي رتبة كاملة عدديا ولها رقم شرط \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) أو \\(\lambda\\) كبيرة بما فيه الكفاية.
إذا كانت قيمة `سريع` هي `خطأ`، فسيتم استخدام خوارزمية تعتمد على التحليل المتعامد الكامل القوي عدديًا. يؤدي ذلك إلى حساب حل المربعات الصغرى ذي القاعدة الدنيا، حتى عندما يكون \\(A\\) هو رتبة ناقصة. عادةً ما يكون هذا المسار أبطأ بمقدار 6 إلى 7 مرات من المسار السريع. إذا كانت قيمة `سريع` `خطأ`، فسيتم تجاهل `l2_regularizer`.
فئات متداخلة
| فصل | MatrixSolveLs.Options | السمات الاختيارية لـ MatrixSolveLs | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
| ثابت <T يمتد TType > MatrixSolveLs <T> | |
| ثابت MatrixSolveLs.Options | سريع (سريع منطقي) |
| الإخراج <T> | الإخراج () الشكل هو `[...، N، K]`. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء MatrixSolveLs <T> ثابت عام (نطاق النطاق ، مصفوفة المعامل <T>، المعامل <T> rhs، المعامل < TFloat64 > l2Regularizer، الخيارات... خيارات)
طريقة المصنع لإنشاء فئة تغلف عملية MatrixSolveLs جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| مصفوفة | الشكل هو `[...، M، N]`. |
| rhs | الشكل هو `[...، M، K]`. |
| l2Regularizer | الموتر العددي. |
| خيارات | يحمل قيم السمات الاختيارية |
المرتجعات
- مثيل جديد من MatrixSolveLs
يحل واحدة أو أكثر من مسائل المربعات الصغرى الخطية.
`المصفوفة` هي موتر ذو شكل `[..., M, N]` يشكل بعداه الداخليان مصفوفات حقيقية أو معقدة بالحجم `[M, N]`. `Rhs` هو موتر من نفس نوع `المصفوفة` وشكله `[..., M, K]`. الناتج هو شكل موتر `[..., N, K]` حيث تحل كل مصفوفة مخرجات كل من المعادلات `matrix[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` بمعنى المربعات الصغرى.
نستخدم الترميز التالي للمصفوفة (المعقدة) والجوانب اليمنى في الدفعة:
`مصفوفة`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\)`الإخراج`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\).
إذا كانت قيمة "سريع" هي "صحيح"، فسيتم حساب الحل عن طريق حل المعادلات العادية باستخدام تحليل تشوليسكي. على وجه التحديد، إذا \\(m \ge n\\) ثم \\(X = (A^H A + \lambda I)^{-1} A^H B\\)الذي يحل مسألة المربعات الصغرى \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). لو \\(m \lt n\\) ثم يتم حساب "الإخراج" كـ \\(X = A^H (A A^H + \lambda I)^{-1} B\\)، والتي (لـ \\(\lambda = 0\\)) هو الحل المعياري الأدنى للنظام الخطي غير المحدد، أي \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)، خاضعًا لـ \\(A Z = B\\). لاحظ أن المسار السريع يكون مستقرًا عدديًا فقط عندما \\(A\\) هي رتبة كاملة عدديا ولها رقم شرط \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) أو \\(\lambda\\) كبيرة بما فيه الكفاية.
إذا كانت قيمة `سريع` هي `خطأ`، فسيتم استخدام خوارزمية تعتمد على التحليل المتعامد الكامل القوي عدديًا. هذا يحسب حل المربعات الصغرى ذو القاعدة الدنيا، حتى عندما يكون \\(A\\) هو رتبة ناقصة. عادةً ما يكون هذا المسار أبطأ بمقدار 6 إلى 7 مرات من المسار السريع. إذا كانت القيمة `سريع` `خطأ`، فسيتم تجاهل `l2_regularizer`.
فئات متداخلة
| فصل | MatrixSolveLs.Options | السمات الاختيارية لـ MatrixSolveLs | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
| ثابت <T يمتد TType > MatrixSolveLs <T> | |
| ثابت MatrixSolveLs.Options | سريع (سريع منطقي) |
| الإخراج <T> | الإخراج () الشكل هو `[...، N، K]`. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء MatrixSolveLs <T> ثابت عام (نطاق النطاق ، مصفوفة المعامل <T>، المعامل <T> rhs، المعامل < TFloat64 > l2Regularizer، الخيارات... خيارات)
طريقة المصنع لإنشاء فئة تغلف عملية MatrixSolveLs جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| مصفوفة | الشكل هو `[...، M، N]`. |
| rhs | الشكل هو `[...، M، K]`. |
| l2Regularizer | الموتر العددي. |
| خيارات | يحمل قيم السمات الاختيارية |
المرتجعات
- مثيل جديد من MatrixSolveLs
يحل واحدة أو أكثر من مسائل المربعات الصغرى الخطية.
`المصفوفة` هي موتر ذو شكل `[..., M, N]` يشكل بعداه الداخليان مصفوفات حقيقية أو معقدة بالحجم `[M, N]`. `Rhs` هو موتر من نفس نوع `المصفوفة` وشكله `[..., M, K]`. الإخراج هو شكل موتر `[..., N, K]` حيث تحل كل مصفوفة إخراج كل من المعادلات `مصفوفة[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` بمعنى المربعات الصغرى.
نستخدم الترميز التالي للمصفوفة (المعقدة) والجوانب اليمنى في الدفعة:
`مصفوفة`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\)`الإخراج`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\).
إذا كانت قيمة "سريع" هي "صحيح"، فسيتم حساب الحل عن طريق حل المعادلات العادية باستخدام تحليل تشوليسكي. على وجه التحديد، إذا \\(m \ge n\\) ثم \\(X = (A^H A + \lambda I)^{-1} A^H B\\)الذي يحل مسألة المربعات الصغرى \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). لو \\(m \lt n\\) ثم يتم حساب "الإخراج" كـ \\(X = A^H (A A^H + \lambda I)^{-1} B\\)، والتي (لـ \\(\lambda = 0\\)) هو الحل المعياري الأدنى للنظام الخطي غير المحدد، أي \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)، خاضعًا لـ \\(A Z = B\\). لاحظ أن المسار السريع يكون مستقرًا عدديًا فقط عندما \\(A\\) هي رتبة كاملة عدديا ولها رقم شرط \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) أو \\(\lambda\\) كبيرة بما فيه الكفاية.
إذا كانت قيمة `سريع` هي `خطأ`، فسيتم استخدام خوارزمية تعتمد على التحليل المتعامد الكامل القوي عدديًا. هذا يحسب حل المربعات الصغرى ذو القاعدة الدنيا، حتى عندما يكون \\(A\\) هو رتبة ناقصة. عادةً ما يكون هذا المسار أبطأ بمقدار 6 إلى 7 مرات من المسار السريع. إذا كانت القيمة `سريع` `خطأ`، فسيتم تجاهل `l2_regularizer`.
فئات متداخلة
| فصل | MatrixSolveLs.Options | السمات الاختيارية لـ MatrixSolveLs | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
| ثابت <T يمتد TType > MatrixSolveLs <T> | |
| ثابت MatrixSolveLs.Options | سريع (سريع منطقي) |
| الإخراج <T> | الإخراج () الشكل هو `[...، N، K]`. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء MatrixSolveLs <T> ثابت عام (نطاق النطاق ، مصفوفة المعامل <T>، المعامل <T> rhs، المعامل < TFloat64 > l2Regularizer، الخيارات... الخيارات)
طريقة المصنع لإنشاء فئة تغلف عملية MatrixSolveLs جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| مصفوفة | الشكل هو `[...، M، N]`. |
| rhs | الشكل هو `[...، M، K]`. |
| l2Regularizer | الموتر العددي. |
| خيارات | يحمل قيم السمات الاختيارية |
المرتجعات
- مثيل جديد من MatrixSolveLs