图论(4)邻接矩阵,关联矩阵

本文深入探讨了图论中的代数表示法,包括邻接矩阵和关联矩阵的定义及性质,如非负性、对称性、相似矩阵概念、连通性条件以及简单图的布尔矩阵特性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

一、图的代数表示

(一)图的邻接矩阵

1.邻接矩阵定义

2.邻接矩阵性质

(二)图的关联矩阵

1.定义

2.关联矩阵的性质


一、图的代数表示

一个图可以用定义描述,图形表示和代数表示,代数表示即用邻接矩阵或关联矩阵表示。

(一)图的邻接矩阵

1.邻接矩阵定义

    

     

2.邻接矩阵性质

(1)非负性与对称性

         邻接矩阵中的元素都是非负的,且关于主对角线对称。

(2)同一图的不同形式的邻接矩阵是相似矩阵

         

         同一图的不同形式或许是指同一个图,但是对于点的排序不一样

(3)如果G为简单图,则A(G)是布尔矩阵,其中行和(列和)等于对应顶点的度数,矩阵元素总和为图的总度数,即图中边数的两倍。

(4)G连通的充分必要条件是,A(G)不能与如下矩阵相似

                                   

         因此,非连通图的邻接矩阵一定能够写成准对角阵形式。

(5)

         

         

          这里的幂次明显是通过矩阵乘法来实现的。这里拿a11再举个例子,A*A矩阵中,a11代表从v1到v1的途径长度为2的

         途径的条数。这里有e1e1, e2e2,e3e3,e2e3,e3e2一共五条长度为2的途径,所以a11等于5一点没错,哈哈

                    

           进一步地,如果G是简单图,则有如下推论:

                     

(二)图的关联矩阵

1.定义

                    

        关联矩阵是通过点和边共同定义的,即我们不但要给点编序号,给边也要编序号,而邻接矩阵只需要给点编号就行了。

        邻接矩阵肯定是方阵,关联矩阵的尺寸是点数乘以边数

2.关联矩阵的性质

(1)关联矩阵的元素为0或1或2

(2)关联矩阵每列和为2,因为一条边一定跟两个顶点关联

         关联矩阵每行和为对应顶点的度数。

 

### 使用 AutoGPTQ 库量化 Transformer 模型 为了使用 `AutoGPTQ` 对 Transformer 模型进行量化,可以遵循如下方法: 安装所需的依赖包是必要的操作。通过 pip 安装 `auto-gptq` 可以获取最新版本的库。 ```bash pip install auto-gptq ``` 加载预训练模型并应用 GPTQ (General-Purpose Tensor Quantization) 技术来减少模型大小和加速推理过程是一个常见的流程。下面展示了如何利用 `AutoGPTQForCausalLM` 类来进行这一工作[^1]。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from auto_gptq import AutoGPTQForCausalLM model_name_or_path = "facebook/opt-350m" quantized_model_dir = "./quantized_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 加载已经量化的模型或者创建一个新的量化器对象用于量化未压缩过的模型 gptq_model = AutoGPTQForCausalLM.from_pretrained(quantized_model_dir, model=model, tokenizer=tokenizer) ``` 对于那些希望进一步优化其部署环境中的模型性能的人来说,`AutoGPTQ` 提供了多种配置选项来自定义量化参数,比如位宽(bit-width),这有助于平衡精度损失与运行效率之间的关系。 #### 注意事项 当处理特定硬件平台上的部署时,建议查阅官方文档以获得最佳实践指导和支持信息。此外,在实际应用场景之前应该充分测试经过量化的模型以确保满足预期的质量标准。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值