MatrixDiagV3

publiczna klasa końcowa MatrixDiagV3

Zwraca wsadowy tensor diagonalny z podanymi wsadowymi wartościami przekątnymi.

Zwraca tensor z zawartością w „przekątnej” jako „k[0]”-tej do „k[1]”-tej przekątnej macierzy, a wszystko inne jest dopełnione „dopełnieniem”. `num_rows` i `num_cols` określają wymiar najbardziej wewnętrznej macierzy wyniku. Jeśli oba nie zostaną określone, op zakłada, że ​​najbardziej wewnętrzna macierz jest kwadratowa i wnioskuje o jej rozmiarze na podstawie „k” i najbardziej wewnętrznego wymiaru „przekątnej”. Jeśli określono tylko jedną z nich, op zakłada, że ​​nieokreślona wartość jest najmniejszą możliwą w oparciu o inne kryteria.

Niech „przekątna” ma „r” wymiary „[I, J, ..., L, M, N]”. Tensor wyjściowy ma stopień „r+1” i kształt „[I, J, ..., L, M, num_rows, num_cols]”, gdy podana jest tylko jedna przekątna („k” jest liczbą całkowitą lub „k[0] == k[1]`). W przeciwnym razie ma rangę „r” i kształt „[I, J, ..., L, num_rows, num_cols]”.

Drugi najbardziej wewnętrzny wymiar „przekątnej” ma podwójne znaczenie. Gdy `k` jest skalarem lub `k[0] == k[1]`, `M` jest częścią rozmiaru partii [I, J, ..., M], a tensor wyjściowy to:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
     padding_value                             ; otherwise
 
W przeciwnym razie `M` jest traktowane jako liczba przekątnych macierzy w tej samej partii (`M = k[1]-k[0]+1`), a tensor wyjściowy wynosi:
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     padding_value                                     ; otherwise
 
gdzie `d = n - m`, `diag_index = [k] - d` i `index_in_diag = n - max(d, 0) + offset`.

„offset” wynosi zero, z wyjątkiem sytuacji, gdy przekątna jest skierowana w prawo.

offset = max_diag_len - diag_len(d) ; if (`align` in {RIGHT_LEFT, RIGHT_RIGHT
                                            and `d >= 0`) or
                                          (`align` in {LEFT_RIGHT, RIGHT_RIGHT}
                                            and `d <= 0`)
          0                          ; otherwise
 }
gdzie `diag_len(d) = min(cols - max(d, 0), wiersze + min(d, 0))`.

Na przykład:

# 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 tridiagonal band (per batch).
 diagonals = np.array([[[0, 8, 9],  # Input shape: (2, 2, 3)
                        [1, 2, 3],
                        [4, 5, 0]],
                       [[0, 2, 3],
                        [6, 7, 9],
                        [9, 1, 0]]])
 tf.matrix_diag(diagonals, k = (-1, 1))
   ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
         [4, 2, 9],
         [0, 5, 3]],
        [[6, 2, 0],
         [9, 7, 3],
         [0, 1, 9]]]
 
 # LEFT_RIGHT alignment.
 diagonals = np.array([[[8, 9, 0],  # Input shape: (2, 2, 3)
                        [1, 2, 3],
                        [0, 4, 5]],
                       [[2, 3, 0],
                        [6, 7, 9],
                        [0, 9, 1]]])
 tf.matrix_diag(diagonals, k = (-1, 1), align="LEFT_RIGHT")
   ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
         [4, 2, 9],
         [0, 5, 3]],
        [[6, 2, 0],
         [9, 7, 3],
         [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]]
 
 

Klasy zagnieżdżone

klasa Opcje MatrixDiagV3 Opcjonalne atrybuty dla MatrixDiagV3

Stałe

Smyczkowy OP_NAME Nazwa tej operacji znana silnikowi rdzenia TensorFlow

Metody publiczne

statyczne MatrixDiagV3.Options
wyrównaj (wyrównaj ciąg)
Wyjście <T>
jako wyjście ()
Zwraca symboliczny uchwyt tensora.
statyczny <T rozszerza TType > MatrixDiagV3 <T>
utwórz (Zakres zasięgu , Operand <T> po przekątnej, Operand < TInt32 > k, Operand < TInt32 > numRows, Operand < TInt32 > numCols, Operand <T> paddingValue, Opcje... opcje)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację MatrixDiagV3.
Wyjście <T>
wyjście ()
Ma stopień „r+1”, gdy „k” jest liczbą całkowitą lub „k[0] == k[1]”, w przeciwnym razie stopień „r”.

Metody dziedziczone

Stałe

publiczny statyczny końcowy ciąg znaków OP_NAME

Nazwa tej operacji znana silnikowi rdzenia TensorFlow

Wartość stała: „MatrixDiagV3”

Metody publiczne

publiczne statyczne MatrixDiagV3.Options wyrównanie (wyrównanie ciągu)

Parametry
wyrównywać Niektóre przekątne są krótsze niż `max_diag_len` i wymagają dopełnienia. „align” to ciąg znaków określający sposób wyrównania, odpowiednio, przekątnych i podprzekątnych. Istnieją cztery możliwe wyrównania: „RIGHT_LEFT” (domyślnie), „LEFT_RIGHT”, „LEFT_LEFT” i „RIGHT_RIGHT”. „RIGHT_LEFT” wyrównuje superdiagonalne do prawej (lewe wypełnienie wiersza) i podprzekątne do lewej (prawe wypełnienie wiersza). Jest to format opakowania, którego używa LAPACK. cuSPARSE używa „LEFT_RIGHT”, co jest odwrotnym wyrównaniem.

publiczne wyjście <T> asOutput ()

Zwraca symboliczny uchwyt tensora.

Dane wejściowe operacji TensorFlow są wynikami innej operacji TensorFlow. Ta metoda służy do uzyskania symbolicznego uchwytu reprezentującego obliczenia danych wejściowych.

public static MatrixDiagV3 <T> create ( Zakres zakresu, Operand <T> po przekątnej, Operand < TInt32 > k, Operand < TInt32 > numRows, Operand < TInt32 > numCols, Operand <T> paddingValue, Opcje... opcje)

Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację MatrixDiagV3.

Parametry
zakres aktualny zakres
przekątna Ranga `r`, gdzie `r >= 1`
k Przesunięcie ukośne. Wartość dodatnia oznacza nadprzekątną, 0 odnosi się do głównej przekątnej, a wartość ujemna oznacza podprzekątną. „k” może być pojedynczą liczbą całkowitą (dla pojedynczej przekątnej) lub parą liczb całkowitych określających dolny i górny koniec pasma macierzy. `k[0]` nie może być większe niż `k[1]`.
liczbaWierszy Liczba wierszy macierzy wyjściowej. Jeśli nie jest podany, op zakłada, że ​​macierz wyjściowa jest macierzą kwadratową i wnioskuje o rozmiarze macierzy z k i najbardziej wewnętrznego wymiaru „przekątnej”.
liczba kol Liczba kolumn macierzy wyjściowej. Jeśli nie jest podany, op zakłada, że ​​macierz wyjściowa jest macierzą kwadratową i wnioskuje o rozmiarze macierzy z k i najbardziej wewnętrznego wymiaru „przekątnej”.
wartość dopełnienia Liczba, którą należy wypełnić obszar poza określonym pasmem ukośnym. Wartość domyślna to 0.
opcje przenosi opcjonalne wartości atrybutów
Powroty
  • nowa instancja MatrixDiagV3

publiczne wyjście <T> wyjście ()

Ma stopień „r+1”, gdy „k” jest liczbą całkowitą lub „k[0] == k[1]”, w przeciwnym razie stopień „r”.