Optimization 使用TensorFlow模拟（Stiefel）流形优化
我在TensorFlow中使用约束W'W=I努力最大化Tr（W'X'XW）。有问题的部分是约束，因为它要求权重保持在Stiefel流形上。有一种软方法将约束作为拉格朗日项添加到目标中。然而，这并不准确，而且实现可能会很混乱Optimization 使用TensorFlow模拟（Stiefel）流形优化,optimization,tensorflow,manifold,Optimization,Tensorflow,Manifold,我在TensorFlow中使用约束W'W=I努力最大化Tr（W'X'XW）。有问题的部分是约束，因为它要求权重保持在Stiefel流形上。有一种软方法将约束作为拉格朗日项添加到目标中。然而，这并不准确，而且实现可能会很混乱 我知道Pymanopt库使用autodiff进行流形优化。但是我仍然想知道，在Tensorflow中，是否有一种模拟（Stiefel）流形优化的基本方法？我对Tensorflow了解不多，但您试图解决的优化问题相当于找到矩阵Bingham分布的模式，这很容易计算。假设W是px
我知道Pymanopt库使用autodiff进行流形优化。但是我仍然想知道，在Tensorflow中，是否有一种模拟（Stiefel）流形优化的基本方法？我对Tensorflow了解不多，但您试图解决的优化问题相当于找到矩阵Bingham分布的模式，这很容易计算。假设W是pxk维的，因此x'x是pxp维的。如果我没记错的话，最大化W_max是由X'X的前k个特征向量构造的，也就是说，如果X'X=UDU'是X'X的特征分解，那么W_max=U[：，1:k]。还有一个最大化矩阵：-W_max。