tensor akışı:: işlem:: MatrixSetDiagV2

#include <array_ops.h>

Yeni toplu çapraz değerlere sahip toplu matris tensörünü döndürür.

Özet

input ve diagonal verildiğinde, bu işlem, en içteki matrislerin belirtilen köşegenleri dışında, input ile aynı şekil ve değerlere sahip bir tensör döndürür. Bunların üzerine diagonal değerler yazılacaktır.

input r+1 boyutu vardır [I, J, ..., L, M, N] . k skaler olduğunda veya k[0] == k[1] olduğunda, diagonal r boyutlara sahiptir [I, J, ..., L, max_diag_len] . Aksi takdirde, r+1 boyutları vardır [I, J, ..., L, num_diags, max_diag_len] . num_diags köşegenlerin sayısıdır, num_diags = k[1] - k[0] + 1 . max_diag_len [k[0], k[1]] aralığındaki en uzun köşegendir max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))

Çıkış [I, J, ..., L, M, N] boyutlarına sahip k+1 dereceli bir tensördür. Eğer k skaler veya k[0] == k[1] : 

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
    output[i, j, ..., l, m, n]             ; otherwise

Aksi takdirde, 

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, k[1]-d, n-max(d, 0)] ; if d_lower <= d <= d_upper
    input[i, j, ..., l, m, n]                   ; otherwise
 burada d = n - m

Örneğin: 

# 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_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_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_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]]]

  

  
Arguments:
    
      
  • scope: A Scope object
    • 
      
  • input: Rank r+1, where r >= 1.
    • 
      
  • diagonal: Rank r when k is an integer or k[0] == k[1]. Otherwise, it has rank r+1. k >= 1.
    • 
      
  • k: Diagonal offset(s). Positive value means superdiagonal, 0 refers to the main diagonal, and negative value means subdiagonals. k can be a single integer (for a single diagonal) or a pair of integers specifying the low and high ends of a matrix band. k[0] must not be larger than k[1].
    • 
    

  
Returns:
    
      
  • Output: Rank r+1, with output.shape = input.shape. 
    • 
    

                                




        
Constructors and Destructors

      		





        MatrixSetDiagV2(const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input diagonal, ::tensorflow::Input k)
        

      		




                                                          




        
Public attributes

      		





        operation
      

        
      





        output
      

        
      




                                                                              




        
Public functions

      		





        node() const 
      

        

          ::tensorflow::Node *
        

      		





        operator::tensorflow::Input() const 
      

        

          
        

      		





        operator::tensorflow::Output() const 
      

        

          
        

      		




  
Public attributes

  

    
operation

    
Operation operation
 çıktı 
::tensorflow::Output output
 Kamu işlevleri 
 MatrixSetDiagV2 
 MatrixSetDiagV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k
)
 düğüm 
::tensorflow::Node * node() const 
 operatör::tensorflow::Giriş 
 operator::tensorflow::Input() const 
 operatör::tensorflow::Çıktı 
 operator::tensorflow::Output() const