الطبقة النهائية العامة Svd
يحسب التحلل الذاتي لمجموعة من المصفوفات المتجاورة ذاتيًا
(ملاحظة: يتم دعم المدخلات الحقيقية فقط).
يحسب القيم الذاتية والمتجهات الذاتية لمصفوفات M-by-N الأعمق في الموتر بحيث يكون الموتر[...,:,:] = u[..., :, :] * Diag(s[..., :] ) * تبديل (v[...,:,:]).
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| ثابت <T يمتد TType > Svd <T> | |
| الإخراج <T> | س () القيم المفردة |
| الإخراج <T> | ش () ناقلات المفرد الأيسر. |
| الإخراج <T> | الخامس () ناقلات المفرد الصحيح. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
القيمة الثابتة: "XlaSvd"
الأساليب العامة
إنشاء Svd <T> ثابت عام (نطاق النطاق ، المعامل <T> a، Long maxIter، Float epsilon، String PrecisionConfig)
طريقة المصنع لإنشاء فئة تغلف عملية Svd جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| أ | موتر الإدخال. |
| maxIter | الحد الأقصى لعدد تحديثات المسح، أي الجزء المثلث السفلي بالكامل أو الجزء المثلث العلوي بناءً على المعلمة السفلية. من الناحية التجريبية، قيل أن هناك حاجة إلى عمليات مسح log(min (M, N)) تقريبًا في الممارسة العملية (المرجع: Golub & van Loan "Matrix Computation"). |
| إبسيلون | نسبة التسامح. |
| التكوين الدقيق | نموذج xla متسلسل::PrecisionConfig. |
عائدات
- مثيل جديد من Svd
الإخراج العام <T> s ()
القيم المفردة يتم فرز القيم بترتيب عكسي من حيث الحجم، لذا فإن s[..., 0] هي القيمة الأكبر، وs[..., 1] هي ثاني أكبر قيمة، وما إلى ذلك.