Python tf.linalg.LinearOperatorComposition用法及代码示例

组成一个或多个 LinearOperators 。

继承自：LinearOperator，Module

用法

tf.linalg.LinearOperatorComposition(
    operators, is_non_singular=None, is_self_adjoint=None,
    is_positive_definite=None, is_square=None, name=None
)

该运算符组成一个或多个线性运算符 [op1,...,opJ] ，构建一个新的 LinearOperator ，其动作定义为：

op_composed(x):= op1(op2(...(opJ(x)...))

如果 opj 的行为类似于 [batch] 矩阵 Aj ，则 op_composed 的行为类似于由乘法 A1 A2...AJ 形成的 [batch] 矩阵。

如果 opj 具有形状 batch_shape_j + [M_j, N_j] ，那么我们必须具有 N_j = M_{j+1} ，在这种情况下，组合运算符的形状等于 broadcast_batch_shape + [M_1, N_J] ，其中 broadcast_batch_shape 是 batch_shape_j , j = 1,...,J 的相互广播，假设中间批次形状播送。即使组合形状被很好地定义，组合算子的方法也可能由于定义算子的方法中缺乏广播能力而失败。

# Create a 2 x 2 linear operator composed of two 2 x 2 operators.
operator_1 = LinearOperatorFullMatrix([[1., 2.], [3., 4.]])
operator_2 = LinearOperatorFullMatrix([[1., 0.], [0., 1.]])
operator = LinearOperatorComposition([operator_1, operator_2])

operator.to_dense()
==> [[1., 2.]
     [3., 4.]]

operator.shape
==> [2, 2]

operator.log_abs_determinant()
==> scalar Tensor

x = ... Shape [2, 4] Tensor
operator.matmul(x)
==> Shape [2, 4] Tensor

# Create a [2, 3] batch of 4 x 5 linear operators.
matrix_45 = tf.random.normal(shape=[2, 3, 4, 5])
operator_45 = LinearOperatorFullMatrix(matrix)

# Create a [2, 3] batch of 5 x 6 linear operators.
matrix_56 = tf.random.normal(shape=[2, 3, 5, 6])
operator_56 = LinearOperatorFullMatrix(matrix_56)

# Compose to create a [2, 3] batch of 4 x 6 operators.
operator_46 = LinearOperatorComposition([operator_45, operator_56])

# Create a shape [2, 3, 6, 2] vector.
x = tf.random.normal(shape=[2, 3, 6, 2])
operator.matmul(x)
==> Shape [2, 3, 4, 2] Tensor

性能

LinearOperatorComposition 在任何操作上的性能等于各个操作符操作的总和。

矩阵属性提示

此 LinearOperator 使用 is_X 形式的布尔标志初始化，用于 X = non_singular, self_adjoint, positive_definite, square 。它们具有以下含义：

• 如果 is_X == True ，调用者应该期望操作符具有属性 X 。这是一个应该实现的承诺，但不是运行时断言。例如，有限的浮点精度可能会导致违反这些承诺。
• 如果 is_X == False ，调用者应该期望操作符没有 X 。
• 如果is_X == None(默认)，调用者应该没有任何期望。