Calcule la décomposition clairsemée de Cholesky de « input ».
Calcule la décomposition Sparse Cholesky d'une matrice clairsemée, avec la permutation réductrice de remplissage donnée.
La matrice clairsemée d'entrée et la permutation réductrice de remplissage doivent avoir des formes compatibles. Si la matrice clairsemée a le rang 3 ; avec la dimension du lot 'B', alors la 'permutation' doit être de rang 2 ; avec la même dimension de lot « B ». Il n'y a aucun support pour la diffusion.
De plus, chaque vecteur composant de « permutation » doit être de longueur « N », contenant chacun des entiers {0, 1, ..., N - 1} exactement une fois, où « N » est le nombre de lignes de chaque composant. de la matrice clairsemée.
Chaque composant de la matrice clairsemée d'entrée doit représenter une matrice symétrique définie positive (SPD) ; bien que seule la partie triangulaire inférieure de la matrice soit lue. Si un composant individuel n'est pas SPD, une erreur InvalidArgument est générée.
La matrice clairsemée renvoyée a la même forme dense que la matrice clairsemée d'entrée. Pour chaque composante « A » de la matrice clairsemée d'entrée, la matrice clairsemée de sortie correspondante représente « L », le facteur de Cholesky triangulaire inférieur satisfaisant l'identité suivante :
A = L * Lt
Le paramètre `type` désigne le type des éléments de la matrice. Les types pris en charge sont : `float32`, `float64`, `complex64` et `complex128`.
Exemple d'utilisation :
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)
[[ 1. 0. 0. 0.]
[ 0. 1.41 0. 0.]
[ 0. 0.70 1.58 0.]
[ 0. 0. 0. 2.]]
Constantes
| Chaîne | OP_NAME | Le nom de cette opération, tel que connu par le moteur principal TensorFlow |
Méthodes publiques
| Sortie < TType > | comme Sortie () Renvoie le handle symbolique du tenseur. |
| statique <T étend TType > SparseMatrixSparseCholesky | |
| Sortie <?> | sortir () La décompression clairsemée de Cholesky de « input ». |
Méthodes héritées
| booléen final | est égal à (Obj objet) |
| entier final | |
| Opération | |
| Chaîne finale | àChaîne () |
| booléen | est égal à (Objet arg0) |
| Classe finale<?> | obtenirClasse () |
| int | Code de hachage () |
| vide final | notifier () |
| vide final | notifierTous () |
| Chaîne | àChaîne () |
| vide final | attendre (long arg0, int arg1) |
| vide final | attendez (long arg0) |
| vide final | attendez () |
| résuméExécutionEnvironnement | env () Renvoie l'environnement d'exécution dans lequel cette opération a été créée. |
| opération abstraite |
| sortie abstraite < TType > | comme Sortie () Renvoie le handle symbolique du tenseur. |
| TType abstrait | asTensor () Renvoie le tenseur à cet opérande. |
| Forme abstraite | |
| Classe abstraite < TType > | taper () Renvoie le type de tenseur de cet opérande |
Constantes
chaîne finale statique publique OP_NAME
Le nom de cette opération, tel que connu par le moteur principal TensorFlow
Méthodes publiques
sortie publique < TType > asOutput ()
Renvoie le handle symbolique du tenseur.
Les entrées des opérations TensorFlow sont les sorties d'une autre opération TensorFlow. Cette méthode est utilisée pour obtenir un handle symbolique qui représente le calcul de l’entrée.
public static SparseMatrixSparseCholesky créer (portée de portée , entrée opérande <?>, permutation opérande <TInt32> , type Class<T>)
Méthode d'usine pour créer une classe encapsulant une nouvelle opération SparseMatrixSparseCholesky.
Paramètres
| portée | portée actuelle |
|---|---|
| saisir | Un `CSRSparseMatrix`. |
| permutation | Une matrice de permutation réductrice de remplissage. |
Retours
- une nouvelle instance de SparseMatrixSparseCholesky