Svd

público final de aula Svd

Calcula a decomposição própria de um lote de matrizes auto-adjuntas

(Nota: apenas entradas reais são suportadas).

Calcula os autovalores e autovetores das matrizes M por N mais internas no tensor, de modo que o tensor [...,:,:] = u [...,:,:] * Diag (s [...,:] ) * Transpor (v [...,:,:]).

Constantes

Fragmento OP_NAME O nome desta operação, conforme conhecido pelo motor principal TensorFlow

Métodos Públicos

static <T extends TType > Svd <T>
criar ( Escopo do escopo, Operando <T> a, Long maxIter, Float epsilon, String precisionConfig)
Método de fábrica para criar uma classe envolvendo uma nova operação Svd.
Saída <T>
s ()
Valores singulares.
Saída <T>
u ()
Vetores singulares à esquerda.
Saída <T>
v ()
Vetores singulares à direita.

Métodos herdados

Constantes

public static final String OP_NAME

O nome desta operação, conforme conhecido pelo motor principal TensorFlow

Valor constante: "XlaSvd"

Métodos Públicos

public static Svd <T> create ( escopo do escopo, Operando <T> a, Long maxIter, Float epsilon, String precisionConfig)

Método de fábrica para criar uma classe envolvendo uma nova operação Svd.

Parâmetros
alcance escopo atual
uma o tensor de entrada.
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 log (min (M, N)) são necessárias na prática (Ref: Golub & van Loan "Matrix Computation").
épsilon a relação de tolerância.
precisãoConfig um protótipo xla :: PrecisionConfig serializado.
Devoluções
  • uma nova instância de Svd

Public Output <T> s ()

Valores singulares. Os valores são classificados em ordem inversa de magnitude, então s [..., 0] é o maior valor, s [..., 1] é o segundo maior, etc.

Saída pública <T> u ()

Vetores singulares à esquerda.

Saída pública <T> v ()

Vetores singulares à direita.