Svd

공개 최종 수업 Svd

자기 수반 행렬 배치의 고유 분해를 계산합니다.

(참고: 실제 입력만 지원됩니다.)

tensor[...,:,:] = u[..., :, :] * Diag(s[..., :]가 되도록 텐서에서 가장 안쪽 MxN 행렬의 고유값과 고유벡터를 계산합니다. ) * 전치(v[...,:,:]).

상수

끈 OP_NAME TensorFlow 코어 엔진에서 알려진 이 작업의 이름

공개 방법

static <T는 TType을 확장합니다. > Svd <T>
생성 ( 범위 범위, 피연산자 <T> a, Long maxIter, 부동 엡실론, 문자열 정밀도구성)
새 Svd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
출력 <T>
초 ()
특이값.
출력 <T>
당신 ()
왼쪽 특이 벡터.
출력 <T>
V ()
오른쪽 특이 벡터.

상속된 메서드

상수

공개 정적 최종 문자열 OP_NAME

TensorFlow 코어 엔진에서 알려진 이 작업의 이름

상수 값: "XlaSvd"

공개 방법

공개 정적 Svd <T> 생성 ( 범위 범위, 피연산자 <T> a, Long maxIter, 부동 엡실론, 문자열 정밀도구성)

새 Svd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.

매개변수
범위 현재 범위
ㅏ 입력 텐서.
maxIter 스윕 업데이트의 최대 수, 즉 매개변수 lower를 기준으로 전체 하부 삼각 부분 또는 상부 삼각 부분. 경험적으로 실제로는 대략 log(min (M, N)) 스윕이 필요하다고 주장되어 왔습니다(참조: Golub & van Loan "Matrix Computation").
엡실론 공차 비율.
정밀도구성 직렬화된 xla::PrecisionConfig proto.
보고
  • Svd의 새 인스턴스

공개 출력 <T> s ()

특이값. 값은 크기의 역순으로 정렬되므로 s[..., 0]이 가장 큰 값이고 s[..., 1]이 두 번째로 큰 값입니다.

공개 출력 <T> u ()

왼쪽 특이 벡터.

공개 출력 <T> v ()

오른쪽 특이 벡터.