MatrixDiag

공개 최종 클래스 MatrixDiag

주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.

`대각선`의 내용이 행렬의 `k[0]`번째부터 `k[1]`번째 대각선이고 다른 모든 항목은 `padding`으로 채워진 텐서를 반환합니다. `num_rows` 및 `num_cols`는 출력의 가장 안쪽 행렬의 차원을 지정합니다. 둘 다 지정되지 않은 경우 연산은 가장 안쪽 행렬이 정사각형이라고 가정하고 'k'와 '대각선'의 가장 안쪽 차원에서 크기를 추론합니다. 그 중 하나만 지정된 경우 작업은 지정되지 않은 값이 다른 기준에 따라 가능한 가장 작은 값이라고 가정합니다.

`대각선`에 `r` 차원 `[I, J, ..., L, M, N]`이 있다고 가정합니다. 출력 텐서는 대각선이 하나만 주어지면 `[I, J, ..., L, M, num_rows, num_cols]` 모양의 `r+1` 순위를 갖습니다(`k`는 정수이거나 `k[0]). == k[1]`). 그렇지 않으면 `[I, J, ..., L, num_rows, num_cols]` 모양의 `r` 순위를 갖습니다.

'대각선'의 가장 안쪽 두 번째 차원은 이중 의미를 갖습니다. `k`가 스칼라이거나 `k[0] == k[1]`인 경우 `M`은 배치 크기 [I, J, ..., M]의 일부이고 출력 텐서는 다음과 같습니다.

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
     padding_value                             ; otherwise
그렇지 않으면 `M`은 동일한 배치(`M = k[1]-k[0]+1`)에 있는 행렬의 대각선 수로 처리되며 출력 텐서는 다음과 같습니다.
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     padding_value                                     ; otherwise
여기서 `d = n - m`, `diag_index = k[1] - d` 및 `index_in_diag = n - max(d, 0)`입니다.

예를 들어:

# The main diagonal.
 diagonal = np.array([[1, 2, 3, 4],            # Input shape: (2, 4)
                      [5, 6, 7, 8]])
 tf.matrix_diag(diagonal) ==> [[[1, 0, 0, 0],  # Output shape: (2, 4, 4)
                                [0, 2, 0, 0],
                                [0, 0, 3, 0],
                                [0, 0, 0, 4]],
                               [[5, 0, 0, 0],
                                [0, 6, 0, 0],
                                [0, 0, 7, 0],
                                [0, 0, 0, 8]]]
 
 # A superdiagonal (per batch).
 diagonal = np.array([[1, 2, 3],  # Input shape: (2, 3)
                      [4, 5, 6]])
 tf.matrix_diag(diagonal, k = 1)
   ==> [[[0, 1, 0, 0],  # Output shape: (2, 4, 4)
         [0, 0, 2, 0],
         [0, 0, 0, 3],
         [0, 0, 0, 0]],
        [[0, 4, 0, 0],
         [0, 0, 5, 0],
         [0, 0, 0, 6],
         [0, 0, 0, 0]]]
 
 # A band of diagonals.
 diagonals = np.array([[[1, 2, 3],  # Input shape: (2, 2, 3)
                        [4, 5, 0]],
                       [[6, 7, 9],
                        [9, 1, 0]]])
 tf.matrix_diag(diagonals, k = (-1, 0))
   ==> [[[1, 0, 0],  # Output shape: (2, 3, 3)
         [4, 2, 0],
         [0, 5, 3]],
        [[6, 0, 0],
         [9, 7, 0],
         [0, 1, 9]]]
 
 # Rectangular matrix.
 diagonal = np.array([1, 2])  # Input shape: (2)
 tf.matrix_diag(diagonal, k = -1, num_rows = 3, num_cols = 4)
   ==> [[0, 0, 0, 0],  # Output shape: (3, 4)
        [1, 0, 0, 0],
        [0, 2, 0, 0]]
 
 # Rectangular matrix with inferred num_cols and padding_value = 9.
 tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding_value = 9)
   ==> [[9, 9],  # Output shape: (3, 2)
        [1, 9],
        [9, 2]]

상수

끈 OP_NAME TensorFlow 코어 엔진에서 알려진 이 작업의 이름

공개 방법

출력 <T>
출력 ()
텐서의 기호 핸들을 반환합니다.
static <T는 TType을 확장합니다. > MatrixDiag <T>
생성 ( 범위 범위 , 피연산자 <T> 대각선, 피연산자 < TInt32 > k, 피연산자 < TInt32 > numRows, 피연산자 < TInt32 > numCols, 피연산자 <T> paddingValue)
새로운 MatrixDiag 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
출력 <T>
출력 ()
`k`가 정수이거나 `k[0] == k[1]`이면 순위 `r+1`을 가지며, 그렇지 않으면 `r` 순위를 가집니다.

상속된 메서드

상수

공개 정적 최종 문자열 OP_NAME

TensorFlow 코어 엔진에서 알려진 이 작업의 이름

상수 값: "MatrixDiagV2"

공개 방법

공개 출력 <T> asOutput ()

텐서의 기호 핸들을 반환합니다.

TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.

공개 정적 MatrixDiag <T> 생성 ( 범위 범위, 피연산자 <T> 대각선, 피연산자 < TInt32 > k, 피연산자 < TInt32 > numRows, 피연산자 < TInt32 > numCols, 피연산자 <T> paddingValue)

새로운 MatrixDiag 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.

매개변수
범위 현재 범위
대각선 순위 `r`, 여기서 `r >= 1`
케이 대각선 오프셋. 양수 값은 상부 대각선, 0은 주 대각선, 음수 값은 하부 대각선을 의미합니다. 'k'는 단일 정수(단일 대각선의 경우)이거나 매트릭스 밴드의 최저 및 최고 끝을 지정하는 정수 쌍일 수 있습니다. `k[0]`은 `k[1]`보다 클 수 없습니다.
행 수 출력 행렬의 행 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k와 '대각선'의 가장 안쪽 차원에서 행렬 크기를 추론합니다.
numCols 출력 행렬의 열 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k와 '대각선'의 가장 안쪽 차원에서 행렬 크기를 추론합니다.
패딩값 지정된 대각선 범위 밖의 영역을 채울 숫자입니다. 기본값은 0입니다.
보고
  • MatrixDiag의 새로운 인스턴스

공개 출력 <T> 출력 ()

`k`가 정수이거나 `k[0] == k[1]`이면 순위 `r+1`을 가지며, 그렇지 않으면 `r` 순위를 가집니다.