공개 최종 수업 Svd
하나 이상의 행렬의 특이값 분해를 계산합니다.
`input[..., :, :] = u[..., :, :] * diag(s[..., :, :]) *가 되도록 `input`의 각 내부 행렬의 SVD를 계산합니다. 전치(v[..., :, :])`
# a is a tensor containing a batch of matrices.
# s is a tensor of singular values for each matrix.
# u is the tensor containing the left singular vectors for each matrix.
# v is the tensor containing the right singular vectors for each matrix.
s, u, v = svd(a)
s, _, _ = svd(a, compute_uv=False)
중첩 클래스
| 수업 | Svd.옵션 | Svd 의 선택적 속성 | |
상수
| 끈 | OP_NAME | TensorFlow 핵심 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 정적 Svd.옵션 | 계산Uv (부울 계산Uv) |
| static <T는 TType을 확장합니다. > Svd <T> | |
| 정적 Svd.옵션 | fullMatrices (부울 fullMatrices) |
| 출력 <T> | 초 () 특이값. |
| 출력 <T> | 당신 () 왼쪽 특이 벡터. |
| 출력 <T> | v () 왼쪽 특이 벡터. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 핵심 엔진에서 알려진 이 작업의 이름
상수 값: "Svd"
공개 방법
공개 정적 Svd.Options 계산Uv (부울 계산Uv)
매개변수
| 계산Uv | true인 경우 왼쪽 및 오른쪽 특이 벡터가 각각 'u' 및 'v'로 계산되어 반환됩니다. false인 경우 `u`와 `v`는 설정되지 않으며 참조되어서는 안 됩니다. |
|---|
public static Svd <T> create (범위 범위 , 피연산자 <T> 입력, 옵션... 옵션)
새 Svd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 입력 | 가장 안쪽의 2차원이 `[M, N]` 크기의 행렬을 형성하는 형태 `[..., M, N]`의 텐서입니다. 'P'를 'M'과 'N'의 최소값으로 둡니다. |
| 옵션 | 선택적 속성 값을 전달합니다. |
보고
- Svd의 새 인스턴스
public static Svd.Options fullMatrices (부울 fullMatrices)
매개변수
| 전체 행렬 | true인 경우 전체 크기 `u`와 `v`를 계산합니다. false(기본값)인 경우 선행 `P` 특이 벡터만 계산합니다. `compute_uv`가 `False`인 경우 무시됩니다. |
|---|
공개 출력 <T> u ()
왼쪽 특이 벡터. `full_matrices`가 `False`이면 모양은 `[..., M, P]`입니다. `full_matrices`가 `True`이면 모양은 `[..., M, M]`입니다. `compute_uv`가 `False`인 경우 정의되지 않습니다.
공개 출력 <T> v ()
왼쪽 특이 벡터. 'full_matrices'가 'False'이면 모양은 '[..., N, P]'입니다. 'full_matrices'가 'True'이면 모양은 '[..., N, N]'입니다. `compute_uv`가 false인 경우 정의되지 않습니다.