Python tf.raw_ops.Svd用法及代码示例

计算一个或多个矩阵的奇异值分解。

用法

tf.raw_ops.Svd(
    input, compute_uv=True, full_matrices=False, name=None
)

参数

input 一个Tensor。必须是以下类型之一：float64 , float32 , half , complex64 , complex128。形状为 [..., M, N] 的张量，其 inner-most 2 维形成大小为 [M, N] 的矩阵。令 P 为 M 和 N 的最小值。
compute_uv 可选的 bool 。默认为 True 。如果为真，将分别计算并返回 u 和 v 中的左右奇异向量。如果为 false，则 u 和 v 未设置且永远不应引用。
full_matrices 可选的 bool 。默认为 False 。如果为真，则计算全尺寸 u 和 v 。如果为 false(默认值)，则仅计算前导 P 奇异向量。如果 compute_uv 是 False 则忽略。
name 操作的名称(可选)。

Tensor 对象(s、u、v)的元组。
s 一个Tensor。具有与 input 相同的类型。
u 一个Tensor。具有与 input 相同的类型。
v 一个Tensor。具有与 input 相同的类型。

计算 input 中每个内部矩阵的 SVD，使得 input[...,:,:] = u[...,:,:] * diag(s[...,:,:]) * transpose(v[...,:,:])

# a is a tensor containing a batch of matrices.
# s is a tensor of singular values for each matrix.
# u is the tensor containing the left singular vectors for each matrix.
# v is the tensor containing the right singular vectors for each matrix.
s, u, v = svd(a)
s, _, _ = svd(a, compute_uv=False)

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.raw_ops.Svd。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。

用法

参数

返回