来自python API的张量流中的特征分解

Question

使用TensorFlow实现迭代特征分解的最佳方法是什么？ （像matlabs eigs）。

我知道Eigen有能力执行特征分解，但我不清楚如何从tensorflow python API访问它。如果tensorflow只是作为Eigen的API，那么仅仅使用scipy.sparse.linalg.eigs会有什么优势吗？

Answer 1

tf.self_adjoint_eig和tf.batch_self_adjoint_eig就是我在API中看到的， https://www.tensorflow.org/versions/master/api_docs/python/math_ops.html

Answer 2

TensorFlow目前不公开通用的特征分解运算符。有两个主要选择：

• Add a new C++ operator调用Eigen的特征分解函数。由于这通常很有用，您可以考虑在pull request中将其贡献给项目。

• 使用tf.py_func() op在图表中运行Python函数，并将此函数调用scipy.sparse.linalg.eigs()。

C ++运算符的主要好处是它可以避免序列化开销（将数组复制到Python之间），并且可以移植到其他平台（例如Android，iOS），这些平台并不总是有Python解释器可用