Calcula a decomposição própria de um lote de matrizes auto-adjuntas
(Nota: apenas entradas reais são suportadas).
Calcula os autovalores e autovetores das matrizes N-por-N mais internas no tensor, de modo que o tensor [...,:,:] * v [...,:, i] = e [..., i] * v [...,:, i], para i = 0 ... N-1.
Constantes
Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
estática <T estende TType > SelfAdjointEig <T> | |
Output <T> | v () A coluna v [...,:, i] é o autovetor normalizado correspondente ao autovalor w [..., i]. |
Output <T> | w () Os autovalores em ordem crescente, cada um repetido de acordo com sua multiplicidade. |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
public static SelfAdjointEig <T> create ( Scope escopo, Operando <T> a, Boolean diminuir, Long maxiter, Float epsilon)
Método de fábrica para criar uma classe envolvendo uma nova operação SelfAdjointEig.
Parâmetros
alcance | escopo atual |
---|---|
uma | o tensor de entrada. |
diminuir | um booleano especifica se o cálculo é feito com a parte triangular inferior ou com a parte triangular superior. |
maxIter | número máximo de atualização de varredura, ou seja, toda a parte triangular inferior ou parte triangular superior com base no parâmetro inferior. Heuristicamente, argumentou-se que varreduras de aproximadamente logN são necessárias na prática (Ref: Golub & van Loan "Matrix Computation"). |
épsilon | a relação de tolerância. |
Devoluções
- uma nova instância de SelfAdjointEig
pública Output <T> v ()
A coluna v [...,:, i] é o autovetor normalizado correspondente ao autovalor w [..., i].
pública Output <T> w ()
Os autovalores em ordem crescente, cada um repetido de acordo com sua multiplicidade.