텐서플로우:: 작전:: MatrixDiagV2

주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.

요약

행렬의 k[0] 번째 대각선부터 k[1] 번째 대각선까지의 diagonal 내용을 가진 텐서를 반환하며, 그 밖의 모든 항목은 padding 으로 채워집니다. num_rows 및 num_cols 출력의 가장 안쪽 행렬의 차원을 지정합니다. 둘 다 지정되지 않은 경우 op는 가장 안쪽 행렬이 정사각형이라고 가정하고 k 와 diagonal 의 가장 안쪽 차원에서 크기를 추론합니다. 그 중 하나만 지정된 경우 작업은 지정되지 않은 값이 다른 기준에 따라 가능한 가장 작은 값이라고 가정합니다.

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

diagonal 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
    output[i, j, ..., l, m, n]                ; otherwise

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

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 = 9.
tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding = 9)
  ==> [[9, 9],  # Output shape: (3, 2)
       [1, 9],
       [9, 2]]

인수:

• 범위: 범위 개체
• 대각선: 순위 r , 여기서 r >= 1
• k: 대각선 오프셋. 양수 값은 상부 대각선, 0은 주 대각선, 음수 값은 하부 대각선을 의미합니다. k 단일 정수(단일 대각선에 대한)이거나 행렬 대역의 낮은 끝과 높은 끝을 지정하는 정수 쌍일 수 있습니다. k[0] k[1] 보다 클 수 없습니다.
• num_rows: 출력 행렬의 행 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k 및 diagonal 의 가장 안쪽 차원에서 행렬 크기를 추론합니다.
• num_cols: 출력 행렬의 열 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k 및 diagonal 의 가장 안쪽 차원에서 행렬 크기를 추론합니다.
• padding_value : 지정된 대각선 바깥 부분을 채울 숫자입니다. 기본값은 0입니다.

보고:

• Output : k 가 정수이거나 k[0] == k[1] 이면 순위 r+1 가지며, 그렇지 않으면 순위 r 갖습니다.

공개 속성

Operation operation

::tensorflow::Output output

 MatrixDiagV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const