tensorflow:: אופס:: MatrixDiagV2

מחזירה טנזור אלכסוני אצווה עם ערכי אלכסון אצווה נתונים.

תַקצִיר

מחזירה טנזור עם התוכן באלכסון diagonal k[0] -th עד k[1] -th של מטריצה, כאשר כל השאר מרופדים padding . num_rows ו- num_cols מציינים את הממד של המטריצה ​​הפנימית ביותר של הפלט. אם שניהם לא מצוינים, ה-op מניח שהמטריקס הפנימי ביותר הוא מרובע ומסיק את גודלה מ- k ומהמימד הפנימי ביותר של diagonal . אם רק אחד מהם צוין, ה-op מניח שהערך הלא מוגדר הוא הקטן ביותר האפשרי בהתבסס על קריטריונים אחרים.

תן diagonal להיות r ממדים [I, J, ..., L, M, N] . לטנזור הפלט יש דרגה r+1 עם צורה [I, J, ..., L, M, num_rows, num_cols] כאשר ניתן רק אלכסון אחד ( k הוא מספר שלם או k[0] == k[1] ) . אחרת, יש לו דרגה r עם צורה [I, J, ..., L, num_rows, num_cols] .

לממד השני הפנימי ביותר של diagonal יש משמעות כפולה. כאשר k הוא סקלרי או k[0] == k[1] , M הוא חלק מגודל האצווה [I, J, ..., M], וטנזור הפלט הוא:

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

אחרת, M יטופל כמספר האלכסונים עבור המטריצה ​​באותה אצווה ( M = k[1]-k[0]+1 ), וטנזור הפלט הוא:

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

לְדוּגמָה:

# 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]]

טיעונים:

• scope: אובייקט Scope
• אלכסון: דירוג r , כאשר r >= 1
• k: היסט אלכסוני(ים). ערך חיובי פירושו על-אלכסון, 0 מתייחס לאלכסון הראשי, וערך שלילי פירושו תת-אלכסונים. k יכול להיות מספר שלם בודד (עבור אלכסון בודד) או זוג מספרים שלמים המציינים את הקצוות הנמוכים והגבוהים של פס מטריצה. k[0] לא יכול להיות גדול מ- k[1] .
• num_rows: מספר השורות של מטריצת הפלט. אם זה לא מסופק, ה-op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומסיק את גודל המטריצה ​​מ-k ומהמימד הפנימי ביותר של diagonal .
• num_cols: מספר העמודות של מטריצת הפלט. אם זה לא מסופק, ה-op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומסיק את גודל המטריצה ​​מ-k ומהמימד הפנימי ביותר של diagonal .
• padding_value: המספר שיש למלא איתו את השטח שמחוץ לפס האלכסוני שצוין. ברירת המחדל היא 0.

החזרות:

• Output : בעל דרגה r+1 כאשר k הוא מספר שלם או k[0] == k[1] , דרגה r אחרת.

תכונות ציבוריות

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