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

LinearOperator 的作用类似于 [batch] 排列矩阵。

继承自：LinearOperator，Module

用法

tf.linalg.LinearOperatorPermutation(
    perm, dtype=tf.dtypes.float32, is_non_singular=None, is_self_adjoint=None,
    is_positive_definite=None, is_square=None,
    name='LinearOperatorPermutation'
)

参数

perm 形状 [B1,...,Bb, N] 整数 Tensor 与 b >= 0 N >= 0 。一个整数向量，表示要应用的排列。请注意，此参数与 tf.transpose 相同。但是，此排列应用于行，而 tf.transpose 中的排列应用于 Tensor 的维度。 perm 必须具有来自 {0, 1, ... N-1} 的唯一条目。
dtype 此运算符的参数 dtype。默认值：float32。允许的数据类型：float16 , float32 , float64 , complex64 , complex128。
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。这是自动设置为 true
is_positive_definite 期望此运算符是正定的，这意味着二次形式 x^H A x 对于所有非零 x 具有正实部。请注意，我们不要求算子自伴是正定的。请参阅：https://en.wikipedia.org/wiki/Positive-definite_matrix#Extension_for_non-symmetric_matrices 这是自动设置为 false。
is_square 期望此运算符的行为类似于方形 [batch] 矩阵。这是自动设置为真。
name 此 LinearOperator 的名称。

抛出

ValueError is_self_adjoint is not True , is_positive_definite is not False 或 is_square is not True 。

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。
parameters 用于实例化此 LinearOperator 的参数字典。
perm
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 。

对于某些 b >= 0 ，此运算符的作用类似于具有形状 [B1,...,Bb, N, N] 的排列的 [batch]。第一个 b 索引索引批处理成员。对于每个批次索引 (i1,...,ib) , A[i1,...,ib,::] 是一个 N x N 矩阵。这个矩阵A 没有具体化，但是为了广播这个形状是相关的。

LinearOperatorPermutation 使用(批量)向量进行初始化。

排列由整数向量 v 定义，其值是唯一的并且在 [0, ... n] 范围内。对输入矩阵应用置换具有以下含义：索引 i 处的 v 的值表示将输入矩阵的第 v[i] 行移动到第 i 行。因为所有值都是唯一的，这将导致输入矩阵的行排列。请注意，置换向量 v 与 tf.transpose 具有相同的语义。

# Create a 3 x 3 permutation matrix that swaps the last two columns.
vec = [0, 2, 1]
operator = LinearOperatorPermutation(vec)

operator.to_dense()
==> [[1., 0., 0.]
     [0., 0., 1.]
     [0., 1., 0.]]

operator.shape
==> [3, 3]

# This will be zero.
operator.log_abs_determinant()
==> scalar Tensor

x = ... Shape [3, 4] Tensor
operator.matmul(x)
==> Shape [3, 4] Tensor

形状兼容性

该运算符作用于具有兼容形状的 [batch] 矩阵。 x 是与 matmul 和 solve 的形状兼容的批处理矩阵，如果

operator.shape = [B1,...,Bb] + [N, N],  with b >= 0
x.shape =   [C1,...,Cc] + [N, R],
and [C1,...,Cc] broadcasts with [B1,...,Bb] to [D1,...,Dd]

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.LinearOperatorPermutation。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。