MatrixDiagPartV2

kelas akhir publik MatrixDiagPartV2

Mengembalikan bagian diagonal batch dari tensor batch.

Mengembalikan tensor dengan diagonal ke-`k[0]` hingga `k[1]`-dari `input` yang dikumpulkan.

Asumsikan `input` memiliki dimensi `r` `[I, J, ..., L, M, N]`. Misalkan `max_diag_len` adalah panjang maksimum di antara semua diagonal yang akan diekstraksi, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))` Misalkan `num_diags` menjadi jumlah diagonal yang akan diekstraksi, `num_diags = k[1] - k[0] + 1`.

Jika `num_diags == 1`, tensor keluarannya memiliki peringkat `r - 1` dengan bentuk `[I, J, ..., L, max_diag_len]` dan nilai:

diagonal[i, j, ..., l, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
dimana `y = maks(-k[1], 0)`, `x = maks(k[1], 0)`.

Jika tidak, tensor keluaran memiliki peringkat `r` dengan dimensi `[I, J, ..., L, num_diags, max_diag_len]` dengan nilai:

diagonal[i, j, ..., l, m, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
dimana `d = k[1] - m`, `y = max(-d, 0)`, dan `x = max(d, 0)`.

Inputnya minimal harus berupa matriks.

Misalnya:

input = np.array([[[1, 2, 3, 4],  # Input shape: (2, 3, 4)
                    [5, 6, 7, 8],
                    [9, 8, 7, 6]],
                   [[5, 4, 3, 2],
                    [1, 2, 3, 4],
                    [5, 6, 7, 8]]])
 
 # A main diagonal from each batch.
 tf.matrix_diag_part(input) ==> [[1, 6, 7],  # Output shape: (2, 3)
                                 [5, 2, 7]]
 
 # A superdiagonal from each batch.
 tf.matrix_diag_part(input, k = 1)
   ==> [[2, 7, 6],  # Output shape: (2, 3)
        [4, 3, 8]]
 
 # A tridiagonal band from each batch.
 tf.matrix_diag_part(input, k = (-1, 1))
   ==> [[[2, 7, 6],  # Output shape: (2, 3, 3)
         [1, 6, 7],
         [5, 8, 0]],
        [[4, 3, 8],
         [5, 2, 7],
         [1, 6, 0]]]
 
 # Padding value = 9
 tf.matrix_diag_part(input, k = (1, 3), padding_value = 9)
   ==> [[[4, 9, 9],  # Output shape: (2, 3, 3)
         [3, 8, 9],
         [2, 7, 6]],
        [[2, 9, 9],
         [3, 4, 9],
         [4, 3, 8]]]
 

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
statis <T> MatrixDiagPartV2 <T>
buat ( Lingkup lingkup , masukan Operan <T>, Operan <Bilangan Bulat> k, Operan <T> paddingValue)
Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagPartV2 baru.
Keluaran <T>
diagonal ()
Diagonal yang diekstraksi.

Metode Warisan

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static MatrixDiagPartV2 <T> buat ( Lingkup lingkup, input Operand <T>, Operand <Integer> k, Operand <T> paddingValue)

Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagPartV2 baru.

Parameter
cakupan ruang lingkup saat ini
masukan Beri peringkat tensor `r` di mana `r >= 2`.
k Offset diagonal. Nilai positif berarti superdiagonal, 0 mengacu pada diagonal utama, dan nilai negatif berarti subdiagonal. `k` dapat berupa bilangan bulat tunggal (untuk satu diagonal) atau sepasang bilangan bulat yang menentukan ujung rendah dan tinggi dari pita matriks. `k[0]` tidak boleh lebih besar dari `k[1]`.
paddingValue Nilai untuk mengisi area di luar pita diagonal yang ditentukan. Standarnya adalah 0.
Kembali
  • contoh baru dari MatrixDiagPartV2

Keluaran publik <T> diagonal ()

Diagonal yang diekstraksi.