classe finale pubblica Svd
Calcola la scomposizione automatica di un lotto di matrici autoaggiunte
(Nota: sono supportati solo input reali).
Calcola gli autovalori e gli autovettori delle matrici M per N più interne nel tensore tale che tensor[...,:,:] = u[..., :, :] * Diag(s[..., :] ) * Trasporre(v[...,:,:]).
Costanti
| Corda | OP_NAME | Il nome di questa operazione, come noto al motore principale di TensorFlow |
Metodi pubblici
| statico <T estende TType > Svd <T> | |
| Uscita <T> | S () Valori singolari. |
| Uscita <T> | tu () Vettori singolari di sinistra. |
| Uscita <T> | v () Vettori singolari destri. |
Metodi ereditati
Costanti
Stringa finale statica pubblica OP_NAME
Il nome di questa operazione, come noto al motore principale di TensorFlow
Valore costante: "XlaSvd"
Metodi pubblici
public static Svd <T> create ( Scope scope, Operand <T> a, Long maxIter, Float epsilon, String PrecisionConfig)
Metodo factory per creare una classe che racchiude una nuova operazione Svd.
Parametri
| scopo | ambito attuale |
|---|---|
| UN | il tensore di ingresso. |
| maxIter | numero massimo di aggiornamenti di scansione, ovvero l'intera parte triangolare inferiore o la parte triangolare superiore in base al parametro inferiore. Euristicamente, è stato sostenuto che nella pratica sono necessarie operazioni di scansione approssimativamente log(min (M, N)) (Rif: Golub & van Loan "Matrix Computation"). |
| epsilon | il rapporto di tolleranza. |
| precisioneConfig | un protocollo xla::PrecisionConfig serializzato. |
ritorna
- una nuova istanza di Svd
Uscita pubblica <T> s ()
Valori singolari. I valori sono ordinati in ordine di grandezza inverso, quindi s[..., 0] è il valore più grande, s[..., 1] è il secondo più grande, ecc.