แก้ปัญหากำลังสองน้อยที่สุดเชิงเส้นอย่างน้อยหนึ่งข้อ
`เมทริกซ์` คือเทนเซอร์ของรูปร่าง `[..., M, N]` ซึ่ง 2 มิติที่อยู่ด้านในสุดจะก่อตัวเป็นเมทริกซ์จริงหรือเมทริกซ์เชิงซ้อนที่มีขนาด `[M, N]` `Rhs` เป็นเมตริกซ์ชนิดเดียวกับ `เมทริกซ์` และรูปร่าง `[..., M, K]` ผลลัพธ์จะเป็นรูปร่างเทนเซอร์ `[..., N, K]` โดยที่เมทริกซ์เอาต์พุตแต่ละตัวจะแก้สมการแต่ละสมการ `เมทริกซ์[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` ในความหมายกำลังสองน้อยที่สุด
เราใช้สัญลักษณ์ต่อไปนี้สำหรับเมทริกซ์ (เชิงซ้อน) และด้านขวามือในชุด:
`เมทริกซ์`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\), `เอาท์พุท`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\)-
หาก 'เร็ว' เป็น 'จริง' แสดงว่าคำตอบจะถูกคำนวณโดยการแก้สมการปกติโดยใช้การสลายตัวของโชเลสกี้ โดยเฉพาะถ้า \\(m \ge n\\) แล้ว \\(X = (A^H A + \lambda I)^{-1} A^H B\\)ซึ่งแก้ปัญหากำลังสองน้อยที่สุด \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\)- ถ้า \\(m \lt n\\) จากนั้น `เอาท์พุท` จะถูกคำนวณเป็น \\(X = A^H (A A^H + \lambda I)^{-1} B\\)ซึ่ง (สำหรับ \\(\lambda = 0\\)) เป็นวิธีแก้ปัญหาบรรทัดฐานขั้นต่ำสำหรับระบบเชิงเส้นที่ถูกกำหนดไว้ กล่าวคือ \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)ขึ้นอยู่กับ \\(A Z = B\\)- โปรดสังเกตว่าเส้นทางด่วนจะเสถียรเฉพาะตัวเลขเมื่อ \\(A\\) เป็นตัวเลขเต็มยศและมีเลขเงื่อนไข \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) หรือ \\(\lambda\\) มีขนาดใหญ่พอสมควร
หาก 'เร็ว' เป็น 'เท็จ' จะใช้อัลกอริธึมที่ยึดตามการสลายตัวเชิงมุมฉากที่สมบูรณ์เชิงตัวเลขที่แข็งแกร่ง วิธีนี้จะคำนวณวิธีแก้ปัญหากำลังสองน้อยที่สุดของบรรทัดฐานขั้นต่ำ แม้ว่า \\(A\\) ขาดอันดับ โดยทั่วไปเส้นทางนี้จะช้ากว่าเส้นทางด่วน 6-7 เท่า หาก 'fast' เป็น 'False' แสดงว่า 'l2_regularizer` จะถูกละเว้น
คลาสที่ซ้อนกัน
| ระดับ | MatrixSolveLs.ตัวเลือก | คุณลักษณะทางเลือกสำหรับ MatrixSolveLs | |
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คงที่ <T ขยาย TType > MatrixSolveLs <T> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่ |
| MatrixSolveLs.Options แบบคงที่ | เร็ว (บูลีนเร็ว) |
| เอาท์พุต <T> | เอาท์พุท () รูปร่างคือ `[..., N, K]` |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
เอาท์พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง MatrixSolveLs <T> สาธารณะแบบคงที่ (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| เมทริกซ์ | รูปร่างคือ `[..., M, N]` |
| Rhs | รูปร่างคือ `[..., M, K]` |
| l2Regularizer | สเกลาร์เทนเซอร์ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- ตัวอย่างใหม่ของ MatrixSolveLs
แก้ปัญหากำลังสองน้อยที่สุดเชิงเส้นอย่างน้อยหนึ่งข้อ
`เมทริกซ์` คือเทนเซอร์ของรูปร่าง `[..., M, N]` ซึ่ง 2 มิติที่อยู่ด้านในสุดจะก่อตัวเป็นเมทริกซ์จริงหรือเมทริกซ์เชิงซ้อนที่มีขนาด `[M, N]` `Rhs` เป็นเมตริกซ์ชนิดเดียวกับ `เมทริกซ์` และรูปร่าง `[..., M, K]` ผลลัพธ์จะเป็นรูปร่างเทนเซอร์ `[..., N, K]` โดยที่เมทริกซ์เอาต์พุตแต่ละตัวจะแก้สมการแต่ละสมการ `เมทริกซ์[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` ในความหมายกำลังสองน้อยที่สุด
เราใช้สัญลักษณ์ต่อไปนี้สำหรับเมทริกซ์ (เชิงซ้อน) และด้านขวามือในชุด:
`เมทริกซ์`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\), `เอาท์พุท`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\)-
หาก 'เร็ว' เป็น 'จริง' แสดงว่าคำตอบจะถูกคำนวณโดยการแก้สมการปกติโดยใช้การสลายตัวของโชเลสกี้ โดยเฉพาะถ้า \\(m \ge n\\) แล้ว \\(X = (A^H A + \lambda I)^{-1} A^H B\\)ซึ่งแก้ปัญหากำลังสองน้อยที่สุด \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\)- ถ้า \\(m \lt n\\) จากนั้น `เอาท์พุท` จะถูกคำนวณเป็น \\(X = A^H (A A^H + \lambda I)^{-1} B\\)ซึ่ง (สำหรับ \\(\lambda = 0\\)) เป็นวิธีแก้ปัญหาบรรทัดฐานขั้นต่ำของระบบเชิงเส้นที่ถูกกำหนดไว้ กล่าวคือ \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)ขึ้นอยู่กับ \\(A Z = B\\)- โปรดสังเกตว่าเส้นทางด่วนจะเสถียรเฉพาะตัวเลขเมื่อ \\(A\\) เป็นตัวเลขเต็มยศและมีเลขเงื่อนไข \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) หรือ \\(\lambda\\) มีขนาดใหญ่พอสมควร
หาก 'เร็ว' เป็น 'เท็จ' จะใช้อัลกอริธึมที่ยึดตามการสลายตัวเชิงมุมฉากที่สมบูรณ์เชิงตัวเลขที่แข็งแกร่ง วิธีนี้จะคำนวณวิธีแก้ปัญหากำลังสองน้อยที่สุดของบรรทัดฐานขั้นต่ำ แม้ว่า \\(A\\) ขาดอันดับ โดยทั่วไปเส้นทางนี้จะช้ากว่าเส้นทางด่วน 6-7 เท่า หาก 'fast' เป็น 'False' แสดงว่า 'l2_regularizer` จะถูกละเว้น
คลาสที่ซ้อนกัน
| ระดับ | MatrixSolveLs.ตัวเลือก | คุณลักษณะทางเลือกสำหรับ MatrixSolveLs | |
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คงที่ <T ขยาย TType > MatrixSolveLs <T> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่ |
| MatrixSolveLs.Options แบบคงที่ | เร็ว (บูลีนเร็ว) |
| เอาท์พุต <T> | เอาท์พุท () รูปร่างคือ `[..., N, K]` |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
เอาท์พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง MatrixSolveLs <T> สาธารณะแบบคงที่ (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| เมทริกซ์ | รูปร่างคือ `[..., M, N]` |
| Rhs | รูปร่างคือ `[..., M, K]` |
| l2Regularizer | สเกลาร์เทนเซอร์ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- ตัวอย่างใหม่ของ MatrixSolveLs
แก้ปัญหากำลังสองน้อยที่สุดเชิงเส้นอย่างน้อยหนึ่งข้อ
`เมทริกซ์` คือเทนเซอร์ของรูปร่าง `[..., M, N]` ซึ่ง 2 มิติที่อยู่ด้านในสุดจะก่อตัวเป็นเมทริกซ์จริงหรือเมทริกซ์เชิงซ้อนที่มีขนาด `[M, N]` `Rhs` เป็นเมตริกซ์ชนิดเดียวกับ `เมทริกซ์` และรูปร่าง `[..., M, K]` ผลลัพธ์จะเป็นรูปร่างเทนเซอร์ `[..., N, K]` โดยที่เมทริกซ์เอาต์พุตแต่ละตัวจะแก้สมการแต่ละสมการ `เมทริกซ์[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` ในความหมายกำลังสองน้อยที่สุด
เราใช้สัญลักษณ์ต่อไปนี้สำหรับเมทริกซ์ (เชิงซ้อน) และด้านขวามือในชุด:
`เมทริกซ์`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\), `เอาท์พุท`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\)-
หาก 'เร็ว' เป็น 'จริง' แสดงว่าคำตอบจะถูกคำนวณโดยการแก้สมการปกติโดยใช้การสลายตัวของโชเลสกี้ โดยเฉพาะถ้า \\(m \ge n\\) แล้ว \\(X = (A^H A + \lambda I)^{-1} A^H B\\)ซึ่งแก้ปัญหากำลังสองน้อยที่สุด \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\)- ถ้า \\(m \lt n\\) จากนั้น `เอาท์พุท` จะถูกคำนวณเป็น \\(X = A^H (A A^H + \lambda I)^{-1} B\\)ซึ่ง (สำหรับ \\(\lambda = 0\\)) เป็นวิธีแก้ปัญหาบรรทัดฐานขั้นต่ำของระบบเชิงเส้นที่ถูกกำหนดไว้ กล่าวคือ \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)ขึ้นอยู่กับ \\(A Z = B\\)- โปรดสังเกตว่าเส้นทางด่วนจะเสถียรเฉพาะตัวเลขเมื่อ \\(A\\) เป็นตัวเลขเต็มยศและมีเลขเงื่อนไข \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) หรือ \\(\lambda\\) มีขนาดใหญ่พอสมควร
หาก 'เร็ว' เป็น 'เท็จ' จะใช้อัลกอริธึมที่ยึดตามการสลายตัวเชิงมุมฉากที่สมบูรณ์เชิงตัวเลขที่แข็งแกร่ง วิธีนี้จะคำนวณวิธีแก้ปัญหากำลังสองน้อยที่สุดของบรรทัดฐานขั้นต่ำ แม้ว่า \\(A\\) ขาดอันดับ โดยทั่วไปเส้นทางนี้จะช้ากว่าเส้นทางด่วน 6-7 เท่า หาก 'fast' เป็น 'False' แสดงว่า 'l2_regularizer` จะถูกละเว้น
คลาสที่ซ้อนกัน
| ระดับ | MatrixSolveLs.ตัวเลือก | คุณลักษณะทางเลือกสำหรับ MatrixSolveLs | |
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คงที่ <T ขยาย TType > MatrixSolveLs <T> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่ |
| MatrixSolveLs.Options แบบคงที่ | เร็ว (บูลีนเร็ว) |
| เอาท์พุต <T> | เอาท์พุท () รูปร่างคือ `[..., N, K]` |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
เอาท์พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง MatrixSolveLs <T> สาธารณะแบบคงที่ (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| เมทริกซ์ | รูปร่างคือ `[..., M, N]` |
| Rhs | รูปร่างคือ `[..., M, K]` |
| l2Regularizer | สเกลาร์เทนเซอร์ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- ตัวอย่างใหม่ของ MatrixSolveLs
แก้ปัญหากำลังสองน้อยที่สุดเชิงเส้นอย่างน้อยหนึ่งข้อ
`เมทริกซ์` คือเทนเซอร์ของรูปร่าง `[..., M, N]` ซึ่ง 2 มิติที่อยู่ด้านในสุดจะก่อตัวเป็นเมทริกซ์จริงหรือเมทริกซ์เชิงซ้อนที่มีขนาด `[M, N]` `Rhs` เป็นเมตริกซ์ชนิดเดียวกับ `เมทริกซ์` และรูปร่าง `[..., M, K]` ผลลัพธ์จะเป็นรูปร่างเทนเซอร์ `[..., N, K]` โดยที่เมทริกซ์เอาต์พุตแต่ละตัวจะแก้สมการแต่ละสมการ `เมทริกซ์[..., :, :]` * `output[..., :, :] ` = `rhs[..., :, :]` ในความหมายกำลังสองน้อยที่สุด
เราใช้สัญลักษณ์ต่อไปนี้สำหรับเมทริกซ์ (เชิงซ้อน) และด้านขวามือในชุด:
`เมทริกซ์`=\\(A \in \mathbb{C}^{m \times n}\\), `rhs`=\\(B \in \mathbb{C}^{m \times k}\\), `เอาท์พุท`=\\(X \in \mathbb{C}^{n \times k}\\), `l2_regularizer`=\\(\lambda \in \mathbb{R}\\)-
หาก 'เร็ว' เป็น 'จริง' แสดงว่าคำตอบจะถูกคำนวณโดยการแก้สมการปกติโดยใช้การสลายตัวของโชเลสกี้ โดยเฉพาะถ้า \\(m \ge n\\) แล้ว \\(X = (A^H A + \lambda I)^{-1} A^H B\\)ซึ่งแก้ปัญหากำลังสองน้อยที่สุด \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\)- ถ้า \\(m \lt n\\) จากนั้น `เอาท์พุท` จะถูกคำนวณเป็น \\(X = A^H (A A^H + \lambda I)^{-1} B\\)ซึ่ง (สำหรับ \\(\lambda = 0\\)) เป็นวิธีแก้ปัญหาบรรทัดฐานขั้นต่ำสำหรับระบบเชิงเส้นที่ถูกกำหนดไว้ กล่าวคือ \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\)ขึ้นอยู่กับ \\(A Z = B\\)- โปรดสังเกตว่าเส้นทางด่วนจะเสถียรเฉพาะตัวเลขเมื่อ \\(A\\) เป็นตัวเลขเต็มยศและมีเลขเงื่อนไข \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) หรือ \\(\lambda\\) มีขนาดใหญ่พอสมควร
หาก 'เร็ว' เป็น 'เท็จ' จะใช้อัลกอริธึมที่ยึดตามการสลายตัวเชิงมุมฉากที่สมบูรณ์เชิงตัวเลขที่แข็งแกร่ง วิธีนี้จะคำนวณวิธีแก้ปัญหากำลังสองน้อยที่สุดของบรรทัดฐานขั้นต่ำ แม้ว่า \\(A\\) ขาดอันดับ โดยทั่วไปเส้นทางนี้จะช้ากว่าเส้นทางด่วน 6-7 เท่า หาก 'fast' เป็น 'False' แสดงว่า 'l2_regularizer` จะถูกละเว้น
คลาสที่ซ้อนกัน
| ระดับ | MatrixSolveLs.ตัวเลือก | คุณลักษณะทางเลือกสำหรับ MatrixSolveLs | |
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คงที่ <T ขยาย TType > MatrixSolveLs <T> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่ |
| MatrixSolveLs.Options แบบคงที่ | เร็ว (บูลีนเร็ว) |
| เอาท์พุต <T> | เอาท์พุท () รูปร่างคือ `[..., N, K]` |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
วิธีการสาธารณะ
เอาท์พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง MatrixSolveLs <T> สาธารณะแบบคงที่ (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> เมทริกซ์, ตัวดำเนินการ <T> rhs, ตัวดำเนินการ < TFloat64 > l2Regularizer, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่ห่อการดำเนินการ MatrixSolveLs ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| เมทริกซ์ | รูปร่างคือ `[..., M, N]` |
| Rhs | รูปร่างคือ `[..., M, K]` |
| l2Regularizer | สเกลาร์เทนเซอร์ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- ตัวอย่างใหม่ของ MatrixSolveLs