tensor akışı:: işlem:: MatrixSetDiagV2

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

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
      
      

        

          Operation
        
      
    
    

      

        output
      
      

        

          ::tensorflow::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