当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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


LinearOperator 就像 [batch] 托普利茨矩阵。

继承自:LinearOperatorModule

用法

tf.linalg.LinearOperatorToeplitz(
    col, row, is_non_singular=None, is_self_adjoint=None, is_positive_definite=None,
    is_square=None, name='LinearOperatorToeplitz'
)

参数

  • col 形状 [B1,...,Bb, N] Tensorb >= 0 N >= 0 。运算符的第一列。允许的数据类型:float16 , float32float64 , complex64 , complex128。请注意,假设 col 的第一个条目与 row 的第一个条目相同。
  • row 形状 [B1,...,Bb, N] Tensorb >= 0 N >= 0 。运算符的第一行。允许的数据类型:float16 , float32float64 , complex64 , complex128。请注意,假设 row 的第一个条目与 col 的第一个条目相同。
  • 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。如果 diag.dtype 是真实的,则这是 auto-set 到 True
  • 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 LinearOperator 的名称。

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()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]

  • col
  • 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 TensorDType 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。
  • 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

  • row
  • 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

该运算符的作用类似于 [batch] Toeplitz 矩阵 A ,对于某些 b >= 0 ,其形状为 [B1,...,Bb, N, N] 。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。此矩阵A 未具体化,但为了广播此形状将是相关的。

托普利兹矩阵的说明

Toeplitz 意味着A 具有恒定的对角线。因此,A 可以用两个向量生成。一个代表矩阵的第一列,另一个代表第一行。

下面是一个 4 x 4 示例:

A = |a b c d|
    |e a b c|
    |f e a b|
    |g f e a|

Toeplitz 算子示例。

# Create a 3 x 3 Toeplitz operator.
col = [1., 2., 3.]
row = [1., 4., -9.]
operator = LinearOperatorToeplitz(col, row)

operator.to_dense()
==> [[1., 4., -9.],
     [2., 1., 4.],
     [3., 2., 1.]]

operator.shape
==> [3, 3]

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 matmulsolve 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

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.LinearOperatorToeplitz。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。