MatrixDiagPartV2

کلاس نهایی عمومی MatrixDiagPartV2

قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند.

تانسوری را با قطرهای «k[0]»-th به «k[1]»-امین «ورودی» دسته‌ای برمی‌گرداند.

فرض کنید «ورودی» دارای ابعاد «r» است «[I، J، ...، L، M، N]». اجازه دهید "max_diag_len" حداکثر طول در بین تمام قطرهای استخراج شود، "max_diag_len = min(M + min(k[1], 0)، N + min(-k[0], 0))" اجازه دهید "num_diags" تعداد قطرهایی باشد که باید استخراج شوند، «num_diags = k[1] - k[0] + 1».

اگر "num_diags == 1" باشد، تانسور خروجی دارای رتبه "r - 1" با شکل "[I، J، ...، L، max_diag_len]" و مقادیر:

diagonal[i, j, ..., l, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
جایی که `y = max(-k[1], 0)`، `x = max(k[1], 0)`.

در غیر این صورت، تانسور خروجی دارای رتبه «r» با ابعاد «[I، J، ...، L، num_diags، max_diag_len]» با مقادیر:

diagonal[i, j, ..., l, m, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
که در آن «d = k[1] - m»، «y = max(-d، 0)»، و «x = max(d، 0)».

ورودی باید حداقل یک ماتریس باشد.

به عنوان مثال:

input = np.array([[[1, 2, 3, 4],  # Input shape: (2, 3, 4)
                    [5, 6, 7, 8],
                    [9, 8, 7, 6]],
                   [[5, 4, 3, 2],
                    [1, 2, 3, 4],
                    [5, 6, 7, 8]]])
 
 # A main diagonal from each batch.
 tf.matrix_diag_part(input) ==> [[1, 6, 7],  # Output shape: (2, 3)
                                 [5, 2, 7]]
 
 # A superdiagonal from each batch.
 tf.matrix_diag_part(input, k = 1)
   ==> [[2, 7, 6],  # Output shape: (2, 3)
        [4, 3, 8]]
 
 # A tridiagonal band from each batch.
 tf.matrix_diag_part(input, k = (-1, 1))
   ==> [[[2, 7, 6],  # Output shape: (2, 3, 3)
         [1, 6, 7],
         [5, 8, 0]],
        [[4, 3, 8],
         [5, 2, 7],
         [1, 6, 0]]]
 
 # Padding value = 9
 tf.matrix_diag_part(input, k = (1, 3), padding_value = 9)
   ==> [[[4, 9, 9],  # Output shape: (2, 3, 3)
         [3, 8, 9],
         [2, 7, 6]],
        [[2, 9, 9],
         [3, 4, 9],
         [4, 3, 8]]]
 

روش های عمومی

خروجی <T>
asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
استاتیک <T> MatrixDiagPartV2 <T>
ایجاد ( دامنه دامنه ، ورودی عملوند <T>، عملوند <عدد صحیح> k، عملوند <T> paddingValue)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید MatrixDiagPartV2 را بسته بندی می کند.
خروجی <T>
مورب ()
قطر(های) استخراج شده

روش های ارثی

روش های عمومی

خروجی عمومی <T> asOutput ()

دسته نمادین یک تانسور را برمی‌گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

عمومی ایستا MatrixDiagPartV2 <T> ایجاد ( دامنه دامنه ، ورودی عملوند <T>، عملوند <عدد صحیح> k، عملوند <T> paddingValue)

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید MatrixDiagPartV2 را بسته بندی می کند.

پارامترها
دامنه محدوده فعلی
ورودی تانسور `r` در جایی که `r >= 2` رتبه بندی کنید.
ک افست (های) مورب. مقدار مثبت به معنای ابر قطری، 0 به قطر اصلی و مقدار منفی به معنای قطرهای فرعی است. `k` می تواند یک عدد صحیح منفرد (برای یک مورب) یا یک جفت اعداد صحیح باشد که انتهای پایین و بالای یک باند ماتریس را مشخص می کند. «k[0]» نباید بزرگتر از «k[1]» باشد.
paddingValue مقداری که باید ناحیه خارج از نوار مورب مشخص شده را با آن پر کنید. پیش فرض 0 است.
برمی گرداند
  • یک نمونه جدید از MatrixDiagPartV2

خروجی عمومی <T> مورب ()

قطر(های) استخراج شده