פותר מערכות משוואות תלת אלכסוניות.
פותר מערכות משוואות תלת אלכסוניות. תומך במידות אצווה ובמספר צדדים ימניים לכל צד שמאל. ב-CPU, הפתרון מחושב באמצעות חיסול גאוסי עם או בלי סיבוב חלקי, בהתאם לתכונה 'חלקית_ציר'. ב-GPU, נעשה שימוש בספריית cuSPARSE של Nvidia: https://docs.nvidia.com/cuda/cusparse/index.html#gtsv Pivoting חלקי עדיין לא נתמך על ידי קצה אחורי של XLA.
כיתות מקוננות
| מעמד | TridiagonalSolve.Options |  תכונות אופציונליות עבור TridiagonalSolve  | |
קבועים
| חוּט | OP_NAME | השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow | 
שיטות ציבוריות
| פלט <T> |  asOutput ()  מחזירה את הידית הסמלית של הטנזור.  | 
| סטטי <T מרחיב את TType > TridiagonalSolve <T> |  ליצור ( היקף היקף , אלכסוני Operand <T>, Operand <T> rhs, אפשרויות... אפשרויות)  שיטת מפעל ליצירת מחלקה העוטפת פעולת TridiagonalSolve חדשה.  | 
| פלט <T> |  פלט ()  טנסור הצורה `[..., M, K]` המכיל את הפתרונות  | 
| סטטי TridiagonalSolve.Options |  partialPivoting (בוליאני partialPivoting)   | 
שיטות בירושה
קבועים
מחרוזת סופית סטטית ציבורית OP_NAME
השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow
שיטות ציבוריות
פלט ציבורי <T> asOutput ()
מחזירה את הידית הסמלית של הטנזור.
כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.
public static TridiagonalSolve <T> create ( scope scope, Operand <T> אלכסוני, Operand <T> rhs, Options... אפשרויות)
שיטת מפעל ליצירת מחלקה העוטפת פעולת TridiagonalSolve חדשה.
פרמטרים
| תְחוּם | ההיקף הנוכחי | 
|---|---|
| אלכסונים | טנסור של צורה `[..., 3, M]` ש-2 המימדים הפנימיים ביותר שלו מייצגים את המטריצות התלת-אלכסוניות כאשר שלוש שורות הן על-אלכסון, אלכסוני ותת-אלכסון, לפי הסדר. מתעלמים מהאלמנט האחרון של האלכסון העל ומהמרכיב הראשון של תת-אלכסון. | 
| rhs | טנסור של צורה `[..., M, K]`, המייצג K צלעות ימין לכל צד שמאל. | 
| אפשרויות | נושא ערכי תכונות אופציונליות | 
החזרות
- מופע חדש של TridiagonalSolve
 
public static TridiagonalSolve.Options partalPivoting (Boolian partialPivoting)
פרמטרים
| Pivoting חלקית | האם להחיל ציר חלקי. סיבוב חלקי הופך את ההליך ליציב יותר, אך איטי יותר. | 
|---|