1、SVD的定义
2、SVD计算举例
3、SVD的一些性质
4、截断SVD
截断的SVD将参数计数从u*v减少到t（u+v），如果t比min（u，v）小得多，则这一点很重要。
TSVD与一般SVD不同的是它可以产生一个指定维度的分解矩阵，可以实现降维。为了压缩网络，将W对应的单个全连接层替换为两个全连接层，它们之间没有非线性。这些层中的第一层使用权矩阵
，第二层使用U。这种简单的压缩方法在ROI数目较大的情况下可以很好地加速全连接层的计算。
5、python中的使用
-
from sklearn.decomposition import TruncatedSVD
-
svd = TruncatedSVD(2)
-
iris_transformed = svd.fit_transform(iris_data)
-
iris_data[:5]
