当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


LinearOperator 表示另一个运算符的逆。

继承自：LinearOperator，Module

用法

tf.linalg.LinearOperatorInversion(
    operator, is_non_singular=None, is_self_adjoint=None, is_positive_definite=None,
    is_square=None, name=None
)

参数

  • operator LinearOperator 对象。如果 operator.is_non_singular == False ，则会引发异常。我们确实允许 operator.is_non_singular == None ，在这种情况下，此运算符将具有 is_non_singular == None 。对于 is_self_adjoint 和 is_positive_definite 也是如此。
  • is_non_singular 期望这个运算符是非奇异的。
  • is_self_adjoint 期望这个算子等于它的厄米转置。
  • is_positive_definite 期望这个算子是正定的，意思是二次形式x^H A x对所有非零具有正实部x.请注意，我们不要求算子自伴是正定的。看：https://en.wikipedia.org/wiki/Positive-definite_matrix#Extension_for_non-symmetric_matrices
  • is_square 期望此运算符的行为类似于方形 [batch] 矩阵。
  • name 此 LinearOperator 的名称。默认为 operator.name + "_inv" 。

抛出

  • ValueError 如果operator.is_non_singular 为假。

属性

  • H 返回当前的伴随LinearOperator.

    给定 A 表示此 LinearOperator ，返回 A* 。请注意，调用self.adjoint() 和self.H 是等效的。
  • batch_shape TensorShape这批尺寸的LinearOperator.

    如果此运算符的作用类似于带有 A.shape = [B1,...,Bb, M, N] 的批处理矩阵 A，则返回 TensorShape([B1,...,Bb]) ，相当于 A.shape[:-2]
  • domain_dimension 此运算符的域的维度(在向量空间的意义上)。

    如果此运算符的作用类似于带有 A.shape = [B1,...,Bb, M, N] 的批处理矩阵 A ，则返回 N 。
  • dtype Tensor 的 DType 由此 LinearOperator 处理。
  • graph_parents 这个的图依赖列表LinearOperator. (已弃用)

    警告：此函数已弃用。它将在未来的版本中删除。更新说明：请勿调用 graph_parents 。
  • is_non_singular
  • is_positive_definite
  • is_self_adjoint
  • is_square 返回 True/False 取决于此运算符是否为正方形。
  • operator 反转前的运算符。
  • parameters 用于实例化此 LinearOperator 的参数字典。
  • range_dimension 此运算符范围的维度(在向量空间的意义上)。

    如果此运算符的作用类似于带有 A.shape = [B1,...,Bb, M, N] 的批处理矩阵 A ，则返回 M 。
  • shape TensorShape这个的LinearOperator.

    如果此运算符的作用类似于带有 A.shape = [B1,...,Bb, M, N] 的批处理矩阵 A ，则返回 TensorShape([B1,...,Bb, M, N]) ，等效于 A.shape 。
  • tensor_rank 与此运算符对应的矩阵的秩(在张量的意义上)。

    如果此运算符的作用类似于带有 A.shape = [B1,...,Bb, M, N] 的批处理矩阵 A ，则返回 b + 2 。

该运算符表示另一个运算符的逆。

# Create a 2 x 2 linear operator.
operator = LinearOperatorFullMatrix([[1., 0.], [0., 2.]])
operator_inv = LinearOperatorInversion(operator)

operator_inv.to_dense()
==> [[1., 0.]
     [0., 0.5]]

operator_inv.shape
==> [2, 2]

operator_inv.log_abs_determinant()
==> - log(2)

x = ... Shape [2, 4] Tensor
operator_inv.matmul(x)
==> Shape [2, 4] Tensor, equal to operator.solve(x)

性能

LinearOperatorInversion 的性能取决于底层算子的性能：solve 和 matmul 交换，行列式倒置。

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。

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.linalg.LinearOperatorInversion。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。