Retorna um tensor de matriz em lote com novos valores diagonais em lote.
Dada `entrada` e` diagonal`, esta operação retorna um tensor com a mesma forma e valores de `entrada`, exceto para as diagonais especificadas das matrizes mais internas. Eles serão substituídos pelos valores em `diagonal`.
`entrada` tem dimensões` r + 1` `[I, J, ..., L, M, N]`. Quando `k` é escalar ou` k [0] == k [1] `,` diagonal` tem dimensões `r`` [I, J, ..., L, max_diag_len] `. Caso contrário, tem dimensões `r + 1`` [I, J, ..., L, num_diags, max_diag_len] `. `num_diags` é o número de diagonais,` num_diags = k [1] - k [0] + 1`. `max_diag_len` é a diagonal mais longa no intervalo` [k [0], k [1]] `,` max_diag_len = min (M + min (k [1], 0), N + min (-k [0] , 0)) `
A saída é um tensor de classificação `k + 1` com dimensões` [I, J, ..., L, M, N] `. Se `k` é escalar ou` K [0] == k [1] `:
output[i, j, ..., l, m, n]
= diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
input[i, j, ..., l, m, n] ; otherwise
Caso contrário, output[i, j, ..., l, m, n]
= diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
input[i, j, ..., l, m, n] ; otherwise
onde` d = n - m`, `diag_index = k [1] - d`, e` index_in_diag = n - máx (d, 0) `.Por exemplo:
# The main diagonal.
input = np.array([[[7, 7, 7, 7], # Input shape: (2, 3, 4)
[7, 7, 7, 7],
[7, 7, 7, 7]],
[[7, 7, 7, 7],
[7, 7, 7, 7],
[7, 7, 7, 7]]])
diagonal = np.array([[1, 2, 3], # Diagonal shape: (2, 3)
[4, 5, 6]])
tf.matrix_set_diag(diagonal) ==> [[[1, 7, 7, 7], # Output shape: (2, 3, 4)
[7, 2, 7, 7],
[7, 7, 3, 7]],
[[4, 7, 7, 7],
[7, 5, 7, 7],
[7, 7, 6, 7]]]
# A superdiagonal (per batch).
tf.matrix_set_diag(diagonal, k = 1)
==> [[[7, 1, 7, 7], # Output shape: (2, 3, 4)
[7, 7, 2, 7],
[7, 7, 7, 3]],
[[7, 4, 7, 7],
[7, 7, 5, 7],
[7, 7, 7, 6]]]
# A band of diagonals.
diagonals = np.array([[[1, 2, 3], # Diagonal shape: (2, 2, 3)
[4, 5, 0]],
[[6, 1, 2],
[3, 4, 0]]])
tf.matrix_set_diag(diagonals, k = (-1, 0))
==> [[[1, 7, 7, 7], # Output shape: (2, 3, 4)
[4, 2, 7, 7],
[0, 5, 3, 7]],
[[6, 7, 7, 7],
[3, 1, 7, 7],
[7, 4, 2, 7]]]
Métodos Públicos
Output <T> | asOutput () Retorna o identificador simbólico de um tensor. |
estática <T> MatrixSetDiagV2 <T> | |
Output <T> | saída () Rank `r + 1`, com` output.shape = input.shape`. |
Métodos herdados
Métodos Públicos
pública Output <T> asOutput ()
Retorna o identificador simbólico de um tensor.
As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static MatrixSetDiagV2 <T> create ( Scope escopo, Operando <T> entrada, Operando <T> diagonal, Operando <Integer> k)
Método de fábrica para criar uma classe envolvendo uma nova operação MatrixSetDiagV2.
Parâmetros
alcance | escopo atual |
---|---|
entrada | Rank `r + 1`, onde` r> = 1`. |
diagonal | Classifique `r` quando` k` é um número inteiro ou `k [0] == k [1]`. Caso contrário, tem classificação `r + 1`. `k> = 1`. |
k | Desvio (s) diagonal (es). O valor positivo significa superdiagonal, 0 refere-se à diagonal principal e o valor negativo significa subdiagonais. `k` pode ser um único inteiro (para uma única diagonal) ou um par de inteiros especificando as extremidades inferior e superior de uma banda de matriz. `k [0]` não deve ser maior que `k [1]`. |
Devoluções
- uma nova instância de MatrixSetDiagV2