Как реализовать функцию оптимизации в тензорном потоке?

Question

minΣ (|| XI-Х CI ||^2 + λ || CI ||),

ул CII = 0,

, где Х представляет собой матрицу формы D * п и С имеет вид n * n, xi и ci означает столбец X и C отдельно.

X известна здесь и на основе X мы хотим найти C.

Answer 1

Обычно с потерей, как, что вам нужно векторизации его, вместо того чтобы работать с колоннами:

loss = X - tf.matmul(X, C) 
loss = tf.reduce_sum(tf.square(loss)) 

reg_loss = tf.reduce_sum(tf.square(C), 0) # L2 loss for each column 
reg_loss = tf.reduce_sum(tf.sqrt(reg_loss)) 

total_loss = loss + lambd * reg_loss 

---

Для реализации нулевого ограничения на диагонали С наилучшим способом является добавление его к потерям с другой константой lambd2:

reg_loss2 = tf.trace(tf.square(C)) 
total_loss = total_loss + lambd2 * reg_loss2