Bir veya daha fazla doğrusal en küçük kareler problemini çözer.
'matris', en içteki 2 boyutu '[M, N]' boyutunda gerçek veya karmaşık matrisler oluşturan '[..., M, N]' şeklinde bir tensördür. 'Rhs', 'matris' ile aynı tipte ve '[..., M, K]' şeklinde bir tensördür. Çıkış, her çıkış matrisinin 'matris[..., :, :]' * 'çıkış[..., :, :] denklemlerinin her birini çözdüğü '[..., N, K]' tensör şeklidir. ` = `rhs[..., :, :]` en küçük kareler anlamında.
Toplu işteki (karmaşık) matris ve sağ taraflar için aşağıdaki gösterimi kullanırız:
`matris`=\\(A \in \mathbb{C}^{m \times n}\\), 'rhs'=\\(B \in \mathbb{C}^{m \times k}\\), 'çıkış'=\\(X \in \mathbb{C}^{n \times k}\\), 'l2_regularizer'=\\(\lambda \in \mathbb{R}\\).
Eğer 'hızlı' 'Doğru' ise çözüm, normal denklemlerin Cholesky ayrıştırması kullanılarak çözülmesiyle hesaplanır. Özellikle, eğer \\(m \ge n\\) Daha sonra \\(X = (A^H A + \lambda I)^{-1} A^H B\\)en küçük kareler problemini çözen \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). Eğer \\(m \lt n\\) daha sonra 'çıktı' \ olarak hesaplanır\(X = A^H (A A^H + \lambda I)^{-1} B\\), hangi (için \\(\lambda = 0\\)) az belirlenmiş doğrusal sistemin minimum norm çözümüdür, yani \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\), tabidir \\(A Z = B\\). Hızlı yolun yalnızca şu durumda sayısal olarak kararlı olduğuna dikkat edin:\(A\\) sayısal olarak tam rütbedir ve bir durum numarasına sahiptir \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) veya \\(\lambda\\) yeterince büyüktür.
'Hızlı' 'Yanlış' ise sayısal olarak sağlam tam ortogonal ayrıştırmaya dayalı bir algoritma kullanılır. Bu, \\(A\\) rütbe eksikliği vardır. Bu yol genellikle hızlı yoldan 6-7 kat daha yavaştır. Eğer 'hızlı' 'Yanlış' ise 'l2_regularizer' göz ardı edilir.
İç İçe Sınıflar
sınıf | MatrixSolveLs.Options | MatrixSolveLs için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
statik <T, TType'ı genişletir > MatrixSolveLs <T> | |
statik MatrixSolveLs.Options | hızlı (Boole hızlı) |
Çıkış <T> | çıktı () Şekil `[..., N, K]`dir. |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static MatrixSolveLs <T> create ( Kapsam kapsamı, İşlenen <T> matrisi, İşlenen <T> rhs, İşlenen < TFloat64 > l2Regularizer, Seçenekler... seçenekler)
Yeni bir MatrixSolveLs işlemini saran bir sınıf oluşturmak için fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
matris | Şekil `[..., M, N]`dir. |
rhs | Şekil `[..., M, K]`dir. |
l2düzenleyici | Skaler tensör. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İade
- MatrixSolveL'lerin yeni bir örneği
Bir veya daha fazla doğrusal en küçük kareler problemini çözer.
'matris', en içteki 2 boyutu '[M, N]' boyutunda gerçek veya karmaşık matrisler oluşturan '[..., M, N]' şeklinde bir tensördür. 'Rhs', 'matris' ile aynı tipte ve '[..., M, K]' şeklinde bir tensördür. Çıkış, her çıkış matrisinin 'matris[..., :, :]' * 'çıkış[..., :, :] denklemlerinin her birini çözdüğü '[..., N, K]' tensör şeklidir. ` = `rhs[..., :, :]` en küçük kareler anlamında.
Toplu işteki (karmaşık) matris ve sağ taraflar için aşağıdaki gösterimi kullanırız:
`matris`=\\(A \in \mathbb{C}^{m \times n}\\), 'rhs'=\\(B \in \mathbb{C}^{m \times k}\\), 'çıkış'=\\(X \in \mathbb{C}^{n \times k}\\), 'l2_regularizer'=\\(\lambda \in \mathbb{R}\\).
Eğer 'hızlı' 'Doğru' ise çözüm, normal denklemlerin Cholesky ayrıştırması kullanılarak çözülmesiyle hesaplanır. Özellikle, eğer \\(m \ge n\\) Daha sonra \\(X = (A^H A + \lambda I)^{-1} A^H B\\)en küçük kareler problemini çözen \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). Eğer \\(m \lt n\\) daha sonra 'çıktı' \ olarak hesaplanır\(X = A^H (A A^H + \lambda I)^{-1} B\\), hangisi (için \\(\lambda = 0\\)) az belirlenmiş doğrusal sistemin minimum norm çözümüdür, yani \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\), tabidir \\(A Z = B\\). Hızlı yolun yalnızca şu durumda sayısal olarak kararlı olduğuna dikkat edin:\(A\\) sayısal olarak tam rütbedir ve bir durum numarasına sahiptir \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) veya \\(\lambda\\) yeterince büyüktür.
'Hızlı' 'Yanlış' ise sayısal olarak sağlam tam ortogonal ayrıştırmaya dayalı bir algoritma kullanılır. Bu, \\(A\\) rütbe eksikliği vardır. Bu yol genellikle hızlı yoldan 6-7 kat daha yavaştır. Eğer 'hızlı' 'Yanlış' ise 'l2_regularizer' göz ardı edilir.
İç İçe Sınıflar
sınıf | MatrixSolveLs.Options | MatrixSolveLs için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
statik <T, TType'ı genişletir > MatrixSolveLs <T> | |
statik MatrixSolveLs.Options | hızlı (Boolean hızlı) |
Çıkış <T> | çıktı () Şekil `[..., N, K]`dir. |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static MatrixSolveLs <T> create ( Kapsam kapsamı, İşlenen <T> matrisi, İşlenen <T> rhs, İşlenen < TFloat64 > l2Regularizer, Seçenekler... seçenekler)
Yeni bir MatrixSolveLs işlemini saran bir sınıf oluşturmaya yönelik fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
matris | Şekil `[..., M, N]`dir. |
rhs | Şekil `[..., M, K]`dir. |
l2düzenleyici | Skaler tensör. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İade
- MatrixSolveL'lerin yeni bir örneği
Bir veya daha fazla doğrusal en küçük kareler problemini çözer.
'matris', en içteki 2 boyutu '[M, N]' boyutunda gerçek veya karmaşık matrisler oluşturan '[..., M, N]' şeklinde bir tensördür. 'Rhs', 'matris' ile aynı tipte ve '[..., M, K]' şeklinde bir tensördür. Çıkış, her çıkış matrisinin 'matris[..., :, :]' * 'çıkış[..., :, :] denklemlerinin her birini çözdüğü '[..., N, K]' tensör şeklidir. ` = `rhs[..., :, :]` en küçük kareler anlamında.
Toplu işteki (karmaşık) matris ve sağ taraflar için aşağıdaki gösterimi kullanırız:
`matris`=\\(A \in \mathbb{C}^{m \times n}\\), 'rhs'=\\(B \in \mathbb{C}^{m \times k}\\), 'çıkış'=\\(X \in \mathbb{C}^{n \times k}\\), 'l2_regularizer'=\\(\lambda \in \mathbb{R}\\).
Eğer 'hızlı' 'Doğru' ise çözüm, normal denklemlerin Cholesky ayrıştırması kullanılarak çözülmesiyle hesaplanır. Özellikle, eğer \\(m \ge n\\) Daha sonra \\(X = (A^H A + \lambda I)^{-1} A^H B\\), en küçük kareler problemini çözen \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). Eğer \\(m \lt n\\) daha sonra 'çıktı' \ olarak hesaplanır\(X = A^H (A A^H + \lambda I)^{-1} B\\), hangisi (için \\(\lambda = 0\\)) az belirlenmiş doğrusal sistemin minimum norm çözümüdür, yani \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\), tabidir \\(A Z = B\\). Hızlı yolun yalnızca şu durumda sayısal olarak kararlı olduğuna dikkat edin:\(A\\) sayısal olarak tam rütbedir ve bir durum numarasına sahiptir \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) veya \\(\lambda\\) yeterince büyüktür.
'Hızlı' 'Yanlış' ise sayısal olarak sağlam tam ortogonal ayrıştırmaya dayalı bir algoritma kullanılır. Bu, \\(A\\) rütbe eksikliği vardır. Bu yol genellikle hızlı yoldan 6-7 kat daha yavaştır. Eğer 'hızlı' 'Yanlış' ise 'l2_regularizer' göz ardı edilir.
İç İçe Sınıflar
sınıf | MatrixSolveLs.Options | MatrixSolveLs için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
statik <T, TType'ı genişletir > MatrixSolveLs <T> | |
statik MatrixSolveLs.Options | hızlı (Boole hızlı) |
Çıkış <T> | çıktı () Şekil `[..., N, K]`dir. |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static MatrixSolveLs <T> create ( Kapsam kapsamı, İşlenen <T> matrisi, İşlenen <T> rhs, İşlenen < TFloat64 > l2Regularizer, Seçenekler... seçenekler)
Yeni bir MatrixSolveLs işlemini saran bir sınıf oluşturmak için fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
matris | Şekil `[..., M, N]`dir. |
rhs | Şekil `[..., M, K]`dir. |
l2düzenleyici | Skaler tensör. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İade
- MatrixSolveL'lerin yeni bir örneği
Bir veya daha fazla doğrusal en küçük kareler problemini çözer.
'matris', en içteki 2 boyutu '[M, N]' boyutunda gerçek veya karmaşık matrisler oluşturan '[..., M, N]' şeklinde bir tensördür. 'Rhs', 'matris' ile aynı tipte ve '[..., M, K]' şeklinde bir tensördür. Çıkış, her çıkış matrisinin 'matris[..., :, :]' * 'çıkış[..., :, :] denklemlerinin her birini çözdüğü '[..., N, K]' tensör şeklidir. ` = `rhs[..., :, :]` en küçük kareler anlamında.
Toplu işteki (karmaşık) matris ve sağ taraflar için aşağıdaki gösterimi kullanırız:
`matris`=\\(A \in \mathbb{C}^{m \times n}\\), 'rhs'=\\(B \in \mathbb{C}^{m \times k}\\), 'çıkış'=\\(X \in \mathbb{C}^{n \times k}\\), 'l2_regularizer'=\\(\lambda \in \mathbb{R}\\).
Eğer 'hızlı' 'Doğru' ise çözüm, normal denklemlerin Cholesky ayrıştırması kullanılarak çözülmesiyle hesaplanır. Özellikle, eğer \\(m \ge n\\) Daha sonra \\(X = (A^H A + \lambda I)^{-1} A^H B\\), en küçük kareler problemini çözen \\(X = \mathrm{argmin}_{Z \in \Re^{n \times k} } ||A Z - B||_F^2 + \lambda ||Z||_F^2\\). Eğer \\(m \lt n\\) daha sonra 'çıktı' \ olarak hesaplanır\(X = A^H (A A^H + \lambda I)^{-1} B\\), hangisi (için \\(\lambda = 0\\)) az belirlenmiş doğrusal sistemin minimum norm çözümüdür, yani \\(X = \mathrm{argmin}_{Z \in \mathbb{C}^{n \times k} } ||Z||_F^2 \\), tabidir \\(A Z = B\\). Hızlı yolun yalnızca şu durumda sayısal olarak kararlı olduğuna dikkat edin:\(A\\) sayısal olarak tam rütbedir ve bir durum numarasına sahiptir \\(\mathrm{cond}(A) \lt \frac{1}{\sqrt{\epsilon_{mach} } }\\) veya \\(\lambda\\) yeterince büyüktür.
'Hızlı' 'Yanlış' ise sayısal olarak sağlam tam ortogonal ayrıştırmaya dayalı bir algoritma kullanılır. Bu, \\(A\\) rütbe eksikliği vardır. Bu yol genellikle hızlı yoldan 6-7 kat daha yavaştır. Eğer 'hızlı' 'Yanlış' ise 'l2_regularizer' göz ardı edilir.
İç İçe Sınıflar
sınıf | MatrixSolveLs.Options | MatrixSolveLs için isteğe bağlı özellikler |
Sabitler
Sicim | OP_NAME | Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı |
Genel Yöntemler
Çıkış <T> | Çıkış olarak () Tensörün sembolik tutamacını döndürür. |
statik <T, TType'ı genişletir > MatrixSolveLs <T> | |
statik MatrixSolveLs.Options | hızlı (Boolean hızlı) |
Çıkış <T> | çıktı () Şekil `[..., N, K]`dir. |
Kalıtsal Yöntemler
Sabitler
genel statik son Dize OP_NAME
Bu operasyonun TensorFlow çekirdek motoru tarafından bilinen adı
Genel Yöntemler
genel Çıkış <T> asOutput ()
Tensörün sembolik tutamacını döndürür.
TensorFlow işlemlerinin girdileri, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girişin hesaplanmasını temsil eden sembolik bir tanıtıcı elde etmek için kullanılır.
public static MatrixSolveLs <T> create ( Kapsam kapsamı, İşlenen <T> matrisi, İşlenen <T> rhs, İşlenen < TFloat64 > l2Regularizer, Seçenekler... seçenekler)
Yeni bir MatrixSolveLs işlemini saran bir sınıf oluşturmak için fabrika yöntemi.
Parametreler
kapsam | mevcut kapsam |
---|---|
matris | Şekil `[..., M, N]`dir. |
rhs | Şekil `[..., M, K]`dir. |
l2düzenleyici | Skaler tensör. |
seçenekler | isteğe bağlı nitelik değerlerini taşır |
İade
- MatrixSolveL'lerin yeni bir örneği