classe finale publique Svd
Calcule la décomposition propre d'un lot de matrices auto-adjointes
(Remarque : seules les entrées réelles sont prises en charge).
Calcule les valeurs propres et les vecteurs propres des matrices M-by-N les plus internes dans un tenseur tel que tensor[...,:,:] = u[..., :, :] * Diag(s[..., :] ) * Transposer(v[...,:,:]).
Constantes
| Chaîne | OP_NAME | Le nom de cette opération, tel que connu par le moteur principal TensorFlow |
Méthodes publiques
| statique <T étend TType > Svd <T> | |
| Sortie <T> | s () Des valeurs singulières. |
| Sortie <T> | tu () Vecteurs singuliers gauches. |
| Sortie <T> | v () Vecteurs singuliers droits. |
Méthodes héritées
Constantes
chaîne finale statique publique OP_NAME
Le nom de cette opération, tel que connu par le moteur principal TensorFlow
Valeur constante : "XlaSvd"
Méthodes publiques
public static Svd <T> create ( Scope scope, Operand <T> a, Long maxIter, Float epsilon, String précisionConfig)
Méthode d'usine pour créer une classe encapsulant une nouvelle opération Svd.
Paramètres
| portée | portée actuelle |
|---|---|
| un | le tenseur d’entrée. |
| maxIter | nombre maximum de mises à jour de balayage, c'est-à-dire toute la partie triangulaire inférieure ou la partie triangulaire supérieure en fonction du paramètre inférieur. De manière heuristique, il a été avancé qu'environ des balayages log(min (M, N)) sont nécessaires dans la pratique (Réf : Golub & van Loan "Matrix Computation"). |
| épsilon | le rapport de tolérance. |
| précisionConfig | un protocole xla::PrecisionConfig sérialisé. |
Retour
- une nouvelle instance de Svd
sortie publique <T> s ()
Des valeurs singulières. Les valeurs sont triées par ordre de grandeur inverse, donc s[..., 0] est la plus grande valeur, s[..., 1] est la deuxième plus grande, etc.