'입력'의 AMD(근사 최소 차수) 순서를 계산합니다.
희소 행렬의 AMD(Approximate Minin Degree) 순서를 계산합니다.
반환된 순열은 주어진 희소 행렬의 행과 열을 순열하는 데 사용될 수 있습니다. 이로 인해 일반적으로 원래 행렬의 분해에 비해 0 채우기가 더 적은 순열 희소 행렬의 희소 Cholesky(또는 기타 분해)가 발생합니다.
입력 희소 행렬은 랭크 2 또는 랭크 3을 가질 수 있습니다. 그러면 나타내는 출력 텐서는 입력과 동일한 배치 형태로 각각 랭크 1 또는 2를 갖게 됩니다.
입력 희소 행렬의 각 구성요소는 정사각형 대칭 행렬을 나타내야 합니다. 행렬의 하부 삼각 부분만 읽혀집니다. 희소 행렬의 값은 반환된 순열에 영향을 주지 않으며 희소 행렬의 희소 패턴만 사용됩니다. 따라서 희소성 패턴은 동일하지만 값이 다를 수 있는 희소 행렬의 Cholesky 분해에 단일 AMD 순서를 재사용할 수 있습니다.
출력 순열의 각 배치 구성 요소는 'N' 요소의 순열을 나타내며, 여기서 입력 희소 행렬 구성 요소는 각각 'N' 행을 갖습니다. 즉, 구성 요소에는 각 정수 `{0, .. N-1}`이 정확히 한 번씩 포함됩니다. `i`번째 요소는 `i`번째 행이 매핑되는 행 인덱스를 나타냅니다.
사용 예:
from tensorflow.python.ops.linalg.sparse import sparse_csr_matrix_ops
a_indices = np.array([[0, 0], [1, 1], [2, 1], [2, 2], [3, 3]])
a_values = np.array([1.0, 2.0, 1.0, 3.0, 4.0], np.float32)
a_dense_shape = [4, 4]
with tf.Session() as sess:
# Define (COO format) SparseTensor over Numpy array.
a_st = tf.sparse.SparseTensor(a_indices, a_values, a_dense_shape)
# Convert SparseTensors to CSR SparseMatrix.
a_sm = sparse_csr_matrix_ops.sparse_tensor_to_csr_sparse_matrix(
a_st.indices, a_st.values, a_st.dense_shape)
# Obtain the AMD Ordering for the CSR SparseMatrix.
ordering_amd = sparse_csr_matrix_ops.sparse_matrix_ordering_amd(sparse_matrix)
ordering_amd_value = sess.run(ordering_amd)
입력: 'CSRSparseMatrix'.
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 출력 < TInt32 > | 출력 () 텐서의 기호 핸들을 반환합니다. |
| 정적 SparseMatrixOrderingAMD | |
| 출력 < TInt32 > | 출력 () `입력`의 AMD(근사 최소 수준) 순서입니다. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
공개 방법
공개 출력 < TInt32 > asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
public static SparseMatrixOrderingAMD create ( 범위 범위, 피연산자 <?> 입력)
새로운 SparseMatrixOrderingAMD 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 입력 | 'CSRSparseMatrix'. |
보고
- SparseMatrixOrderingAMD의 새로운 인스턴스