เทนเซอร์โฟลว์:: ปฏิบัติการ:: MatrixDiagV2

ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด

สรุป

ส่งกลับเทนเซอร์ที่มีเนื้อหาอยู่ใน diagonal เป็น k[0] -th ถึง k[1] -th diagonals ของเมทริกซ์ โดยที่อย่างอื่นมีช่อง padding num_rows และ num_cols ระบุขนาดของเมทริกซ์ด้านในสุดของเอาต์พุต หากไม่ได้ระบุทั้งคู่ op จะถือว่าเมทริกซ์ด้านในสุดเป็นสี่เหลี่ยมจัตุรัสและอนุมานขนาดจาก k และมิติด้านในสุดของ diagonal หากมีการระบุเพียงค่าเดียว op จะถือว่าค่าที่ไม่ได้ระบุมีค่าน้อยที่สุดที่เป็นไปได้ตามเกณฑ์อื่นๆ

ให้ diagonal มีมิติ r [I, J, ..., L, M, N] . เทนเซอร์เอาท์พุตมีอันดับ r+1 ที่มีรูปร่าง [I, J, ..., L, M, num_rows, num_cols] เมื่อให้เพียงหนึ่งเส้นทแยงมุม ( k เป็นจำนวนเต็มหรือ k[0] == k[1] ) . มิฉะนั้นจะมีอันดับ r ที่มีรูปร่าง [I, J, ..., L, num_rows, num_cols]

มิติในสุดที่สองของ diagonal มีความหมายสองเท่า เมื่อ k เป็นสเกลาร์หรือ k[0] == k[1] , M จะเป็นส่วนหนึ่งของขนาดแบตช์ [I, J, ..., M] และเอาท์พุตเทนเซอร์คือ:

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

มิฉะนั้น M จะถือเป็นจำนวนเส้นทแยงมุมสำหรับเมทริกซ์ในชุดเดียวกัน ( M = k[1]-k[0]+1 ) และเทนเซอร์เอาท์พุตคือ:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
    padding_value                                     ; otherwise

ตัวอย่างเช่น:

# 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]]

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• เส้นทแยงมุม: อันดับ r โดยที่ r >= 1
• k: ออฟเซ็ตแนวทแยง ค่าบวกหมายถึงเส้นทแยงมุมเหนือ, 0 หมายถึงเส้นทแยงมุมหลัก และค่าลบหมายถึงเส้นทแยงมุมย่อย k อาจเป็นจำนวนเต็มเดี่ยว (สำหรับเส้นทแยงมุมเดียว) หรือจำนวนเต็มคู่ที่ระบุจุดต่ำสุดและสูงของแถบเมทริกซ์ k[0] จะต้องไม่ใหญ่กว่า k[1]
• num_rows: จำนวนแถวของเมทริกซ์เอาต์พุต หากไม่ได้ระบุไว้ op จะถือว่าเมทริกซ์เอาต์พุตเป็นเมทริกซ์จัตุรัสและอนุมานขนาดเมทริกซ์จาก k และมิติด้านในสุดของ diagonal
• num_cols: จำนวนคอลัมน์ของเมทริกซ์เอาต์พุต หากไม่ได้ระบุไว้ op จะถือว่าเมทริกซ์เอาต์พุตเป็นเมทริกซ์จัตุรัสและอนุมานขนาดเมทริกซ์จาก k และมิติด้านในสุดของ diagonal
• padding_value: จำนวนที่จะเติมพื้นที่นอกแถบแนวทแยงที่ระบุด้วย ค่าเริ่มต้นคือ 0

ผลตอบแทน:

• Output : มีอันดับ r+1 เมื่อ k เป็นจำนวนเต็มหรือ k[0] == k[1] อันดับ r มิฉะนั้น

คุณลักษณะสาธารณะ

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