當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python tf.linalg.LinearOperatorInversion用法及代碼示例


LinearOperator 表示另一個運算符的逆。

繼承自：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
)

參數

  • operator LinearOperator 對象。如果 operator.is_non_singular == False ，則會引發異常。我們確實允許 operator.is_non_singular == None ，在這種情況下，此運算符將具有 is_non_singular == None 。對於 is_self_adjoint 和 is_positive_definite 也是如此。
  • is_non_singular 期望這個運算符是非奇異的。
  • is_self_adjoint 期望這個算子等於它的厄米轉置。
  • is_positive_definite 期望這個算子是正定的，意思是二次形式x^H A x對所有非零具有正實部x.請注意，我們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 期望此運算符的行為類似於方形 [batch] 矩陣。
  • name 此 LinearOperator 的名稱。默認為 operator.name + "_inv" 。

拋出

  • ValueError 如果operator.is_non_singular 為假。

屬性

  • H 返回當前的伴隨LinearOperator.

    給定 A 表示此 LinearOperator ，返回 A* 。請注意，調用self.adjoint() 和self.H 是等效的。
  • batch_shape TensorShape這批尺寸的LinearOperator.

    如果此運算符的作用類似於帶有 A.shape = [B1,...,Bb, M, N] 的批處理矩陣 A，則返回 TensorShape([B1,...,Bb]) ，相當於 A.shape[:-2]
  • domain_dimension 此運算符的域的維度(在向量空間的意義上)。

    如果此運算符的作用類似於帶有 A.shape = [B1,...,Bb, M, N] 的批處理矩陣 A ，則返回 N 。
  • dtype Tensor 的 DType 由此 LinearOperator 處理。
  • graph_parents 這個的圖依賴列表LinearOperator. (已棄用)

    警告：此函數已棄用。它將在未來的版本中刪除。更新說明：請勿調用 graph_parents 。
  • is_non_singular
  • is_positive_definite
  • is_self_adjoint
  • is_square 返回 True/False 取決於此運算符是否為正方形。
  • operator 反轉前的運算符。
  • parameters 用於實例化此 LinearOperator 的參數字典。
  • range_dimension 此運算符範圍的維度(在向量空間的意義上)。

    如果此運算符的作用類似於帶有 A.shape = [B1,...,Bb, M, N] 的批處理矩陣 A ，則返回 M 。
  • shape TensorShape這個的LinearOperator.

    如果此運算符的作用類似於帶有 A.shape = [B1,...,Bb, M, N] 的批處理矩陣 A ，則返回 TensorShape([B1,...,Bb, M, N]) ，等效於 A.shape 。
  • tensor_rank 與此運算符對應的矩陣的秩(在張量的意義上)。

    如果此運算符的作用類似於帶有 A.shape = [B1,...,Bb, M, N] 的批處理矩陣 A ，則返回 b + 2 。

該運算符表示另一個運算符的逆。

# 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 的性能取決於底層算子的性能：solve 和 matmul 交換，行列式倒置。

矩陣屬性提示

此 LinearOperator 使用 is_X 形式的布爾標誌初始化，用於 X = non_singular, self_adjoint, positive_definite, square 。它們具有以下含義：

  • 如果 is_X == True ，調用者應該期望操作符具有屬性 X 。這是一個應該實現的承諾，但不是運行時斷言。例如，有限的浮點精度可能會導致違反這些承諾。
  • 如果 is_X == False ，調用者應該期望操作符沒有 X 。
  • 如果is_X == None(默認)，調用者應該沒有任何期望。

相關用法


注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.linalg.LinearOperatorInversion。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。