kelas akhir publik Svd
Menghitung dekomposisi eigen dari sekumpulan matriks self-adjoint
(Catatan: Hanya masukan nyata yang didukung).
Menghitung nilai eigen dan vektor eigen matriks M-kali-N terdalam dalam tensor sehingga tensor[...,:,:] = u[..., :, :] * Diag(s[..., :] ) * Mengubah urutan(v[...,:,:]).
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| statis <T memperluas TType > Svd <T> | |
| Keluaran <T> | S () Nilai tunggal. |
| Keluaran <T> | kamu () Vektor tunggal kiri. |
| Keluaran <T> | v () Vektor tunggal kanan. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Nilai Konstan: "XlaSvd"
Metode Publik
Svd statis publik <T> buat ( Lingkup lingkup, Operan <T> a, Long maxIter, Float epsilon, String PrecisionConfig)
Metode pabrik untuk membuat kelas yang membungkus operasi Svd baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| A | tensor masukan. |
| maxIter | jumlah maksimum pembaruan sapuan, yaitu seluruh bagian segitiga bawah atau bagian segitiga atas berdasarkan parameter yang lebih rendah. Secara heuristik, telah dikemukakan bahwa kira-kira sapuan log(min (M, N)) diperlukan dalam praktiknya (Ref: Golub & van Loan "Perhitungan Matriks"). |
| epsilon | rasio toleransi. |
| konfigurasi presisi | proto xla::PrecisionConfig berseri. |
Kembali
- contoh baru dari Svd
Keluaran publik <T> s ()
Nilai tunggal. Nilai diurutkan dalam urutan terbalik, jadi s[..., 0] adalah nilai terbesar, s[..., 1] adalah nilai terbesar kedua, dan seterusnya.