采用最小二乘的求逆方法在大部分情況下是低效率的。特別地，當(dāng)局鎮(zhèn)非常大時(shí)效率更低。另外一種實(shí)現(xiàn)方法是矩陣分解，此方法使用tensorflow內(nèi)建的Cholesky矩陣分解法。Cholesky矩陣分解法把一個(gè)矩陣分解為上三角矩陣和下三角矩陣，L和L'。求解Ax=b，改寫成LL'=b。首先求解Ly=b，然后求解L'x=y得到系數(shù)矩陣。

成都創(chuàng)新互聯(lián)專注于路橋企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站,商城建設(shè)。路橋網(wǎng)站建設(shè)公司,為路橋等地區(qū)提供建站服務(wù)。全流程定制網(wǎng)站制作，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，成都創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

1. 導(dǎo)入編程庫，初始化計(jì)算圖，生成數(shù)據(jù)集。接著獲取矩陣A和b。

>>> import matplotlib.pyplot as plt
>>> import numpy as np

>>> import tensorflow as tf

>>> from tensorflow.python.framework import ops
>>> ops.reset_default_graph()

>>> sess=tf.Session()

>>> x_vals=np.linspace(0,10,100)

>>> y_vals=x_vals+np.random.normal(0,1,100)

>>> x_vals_column=np.transpose(np.matrix(x_vals))
>>> ones_column=np.transpose(np.matrix(np.repeat(1,100)))
>>> A=np.column_stack((x_vals_column,ones_column))
>>> b=np.transpose(np.matrix(y_vals))
>>> A_tensor=tf.constant(A)

>>> b_tensor=tf.constant(b)

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

本文名稱：使用tensorflow實(shí)現(xiàn)矩陣分解方式-創(chuàng)新互聯(lián)
鏈接地址：http://weahome.cn/article/dheegc.html