SelfAdjointEig

genel final dersi SelfAdjointEig

Kendine eş matrislerden oluşan bir grubun öz ayrışmasını hesaplar

(Not: Yalnızca gerçek girişler desteklenir).

Tensördeki en içteki N'ye N matrislerin özdeğerlerini ve özvektörlerini, tensör[...,:,:] * v[..., :,i] = e[..., i] * v olacak şekilde hesaplar. [...,:,i], i=0...N-1 için.

Sabitler

Sicim

OP_NAME

Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Genel Yöntemler

statik <T TType'ı genişletir > SelfAdjointEig <T>	create ( Kapsam kapsamı, İşlenen <T> a, Boolean alt, Long maxIter, Float epsilon) Yeni bir SelfAdjointEig işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Çıkış <T>	v () v[..., :, i] sütunu, w[..., i] özdeğerine karşılık gelen normalleştirilmiş özvektördür.
Çıkış <T>	w () Artan sırada özdeğerler, her biri kendi çokluğuna göre tekrarlanır.

Kalıtsal Yöntemler

org.tensorflow.op.RawOp sınıfından

son boole değeri	eşittir (Nesne nesnesi)
son int	hash kodu ()
Operasyon	işlem () Bu hesaplama birimini tek bir Operation olarak döndürün.
son Dize	toString ()

Java.lang.Object sınıfından

boolean	eşittir (Nesne arg0)
son Sınıf<?>	getClass ()
int	hash kodu ()
son boşluk	bildir ()
son boşluk	tümünü bildir ()
Sicim	toString ()
son boşluk	bekle (uzun arg0, int arg1)
son boşluk	bekle (uzun arg0)
son boşluk	Beklemek ()

org.tensorflow.op.Op arayüzünden

özet Yürütme Ortamı	env () Bu operasyonun oluşturulduğu yürütme ortamını döndürün.
soyut Operasyon	işlem () Bu hesaplama birimini tek bir Operation olarak döndürün.

Sabitler

genel statik son Dize OP_NAME

Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı

Sabit Değer: "XlaSelfAdjointEig"

Genel Yöntemler

public static SelfAdjointEig <T> create ( Kapsam kapsamı, İşlenen <T> a, Boolean alt, Long maxIter, Float epsilon)

Yeni bir SelfAdjointEig işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.

Parametreler

kapsam	mevcut kapsam
A	giriş tensörü.
daha düşük	bir boole, hesaplamanın alt üçgen kısımla mı yoksa üst üçgen kısımla mı yapıldığını belirtir.
maxIter	maksimum tarama güncellemesi sayısı, yani alt parametreye bağlı olarak alt üçgen kısmın tamamı veya üst üçgen kısmı. Sezgisel olarak, pratikte yaklaşık olarak logN taramalarına ihtiyaç duyulduğu ileri sürülmüştür (Ref: Golub & van Loan "Matrix Computation").
epsilon	tolerans oranı.

İadeler

• SelfAdjointEig'in yeni bir örneği

genel Çıkış <T> v ()

v[..., :, i] sütunu, w[..., i] özdeğerine karşılık gelen normalleştirilmiş özvektördür.

genel Çıkış <T> w ()

Artan sırada özdeğerler, her biri kendi çokluğuna göre tekrarlanır.