टेंसरफ्लो cholesky decomposition

Question

टेंसरफ्लो दस्तावेज़ पढ़ने से मुझे लगता है कि Cholesky decomposition of a square matrix की गणना करने के लिए एक विधि है। हालांकि, आमतौर पर जब मैं Cholesky अपघटन का उपयोग करना चाहता हूं, तो मैं इसे एक रैखिक प्रणाली को हल करने के प्रयोजनों के लिए करता हूं जहां प्रत्यक्ष मैट्रिक्स उलटा अस्थिर हो सकता है।

इसलिए, मैं Scipy में लागू एक के समान विधि की तलाश में हूं। क्या किसी को पता है कि यह टेंसरफ्लो में मौजूद है या यदि कोई तरीका है तो इसे शामिल किया जा सकता है?

Answer 1

उपयोगकर्ता 1 9 .8: यदि आप टेंस्फोर्लो में चीजें "ज्यादातर" रखना चाहते हैं तो ऐसा करने का तरीका यह होगा कि आप और बर्सी टिप्पणियों पर चर्चा कर रहे थे: उस बिंदु तक tensorflow ग्राफ को चलाएं जहां तक ​​आप रैखिक प्रणाली को हल करने की आवश्यकता है, और फिर फ़ीड_डिक्ट के साथ परिणामों को वापस फ़ीड करें। स्यूडोकोड में:

saved_tensor1 = tf.Variable(...) 
saved_tensor2 = tf.Variable(...) 

start_of_model... 
tensor1, tensor2 = various stuff... 
do_save_tensor1 = saved_tensor1.assign(tensor1) 
do_save_tensor2 = saved_tensor2.assign(tensor2) 
your_cholesky = tf.cholesky(your_other_tensor, ...) 

## THIS IS THE SPLIT POINT 
# Second half of your model starts here 
solved_system = tf.placeholder(...) # You'll feed this in with feed_dict 
final_answer = do_something_with(saved_tensor1, saved_tensor2, solved_system) 

तो पूरी बात को चलाने के लिए, कार्य करें:

_, _, cho = tf.run([do_save_tensor1, do_save_tensor2, your_cholesky]) 
solution = ... solve your linear system with scipy ... 
feed_dict = {solved_system: solution} 
answer = tf.run(final_answer, feed_dict=feed_dict) 

कुंजी यहाँ tf.Variables में अपने मध्यवर्ती परिणाम stashing है, ताकि आप गणना बाद में फिर से शुरू कर सकते हैं।

(मैं यह वादा नहीं कर रहा हूं कि आप tf.cholesky से बाहर निकलने के लिए सही तरीके से फ़ीड करने के लिए सही प्रारूप में हैं, या आपको केवल पहले चरण में मैट्रिक्स को खींचना नहीं चाहिए और इसे ठीक करने के लिए फ़ीड नहीं करना चाहिए , लेकिन यह समग्र वर्कफ़्लो आपके लिए काम करना चाहिए)।

ध्यान दें कि यदि आप भारी मल्टीकोर या जीपीयू ऑपरेशंस कर रहे हैं तो यह एक प्रदर्शन बाधा उत्पन्न करेगा और फिर मैट्रिक्स को थप्पड़ मारने पर क्रमबद्ध करना होगा, लेकिन यह भी ठीक हो सकता है - आपकी सेटिंग पर बहुत निर्भर करता है।

Answer 2

अद्यतन (2017/04/23)

TensorFlow अब कई linear algebra operations है। उदाहरण के लिए, चेकआउट tf.cholesky_solve, tf.matrix_solve_ls, tf.matrix_solve, tf.qr, tf.svd आदि। बेशक, नीचे मूल उत्तर भी सहायक हो सकता है।

मूल क्या matrix_inverse आपको क्या चाहिए? यह इनपुट के आधार पर Cholesky या LU Decomposition का उपयोग करता है। उदाहरण के लिए,

>>> import tensorflow as tf 
>>> x = [[1.,1.],[-2.,3.],[1.,-1.]] 
>>> y = [[-1.],[-8.],[3.]] 
>>> a = tf.matrix_inverse(tf.matmul(x, x, transpose_a=True)) 
>>> b = tf.matmul(tf.matmul(a, x, transpose_b=True), y) 
>>> with tf.Session(): 
... print b.eval() 
... 
[[ 1.] 
[-2.]]