MatrixDiagPartV3

배치 텐서의 배치 대각선 부분을 반환합니다.

일괄 처리된 `입력`의 `k[0]`번째부터 `k[1]`번째 대각선을 포함하는 텐서를 반환합니다.

`입력`에 `r` 차원 `[I, J, ..., L, M, N]`이 있다고 가정합니다. `max_diag_len`을 추출할 모든 대각선 중 최대 길이로 `max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))``num_diags` 추출할 대각선의 수, `num_diags = k[1] - k[0] + 1`입니다.

`num_diags == 1`인 경우 출력 텐서는 `[I, J, ..., L, max_diag_len]` 형태와 값:

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.
 

, 여기서 `y = max(-k) 순위 `r - 1`입니다. [1], 0)`, `x = max(k[1], 0)`.

그렇지 않으면, 출력 텐서는 차원 `[I, J, ..., L, num_diags, max_diag_len]`과 값

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.
 

갖는 순위 `r`을 갖습니다. 여기서 `d = k[1] - m`, `y = max(-d, 0) - 오프셋` 및 `x = max(d, 0) - 오프셋`입니다.

'오프셋'은 대각선 정렬이 오른쪽인 경우를 제외하면 0입니다.

offset = max_diag_len - diag_len(d) ; if (`align` in {RIGHT_LEFT, RIGHT_RIGHT}
                                            and `d >= 0`) or
                                          (`align` in {LEFT_RIGHT, RIGHT_RIGHT}
                                            and `d <= 0`)
          0                          ; otherwise
 

여기서 `diag_len(d) = min(cols - max(d, 0), 행 + min(d, 0))`.

입력은 최소한 행렬이어야 합니다.

예:

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 band from each batch.
 tf.matrix_diag_part(input, k = (-1, 2))
   ==> [[[0, 3, 8],  # Output shape: (2, 4, 3)
         [2, 7, 6],
         [1, 6, 7],
         [5, 8, 0]],
        [[0, 3, 4],
         [4, 3, 8],
         [5, 2, 7],
         [1, 6, 0]]]
 
 # LEFT_RIGHT alignment.
 tf.matrix_diag_part(input, k = (-1, 2), align="LEFT_RIGHT")
   ==> [[[3, 8, 0],  # Output shape: (2, 4, 3)
         [2, 7, 6],
         [1, 6, 7],
         [0, 5, 8]],
        [[3, 4, 0],
         [4, 3, 8],
         [5, 2, 7],
         [0, 1, 6]]]
 
 # max_diag_len can be shorter than the main diagonal.
 tf.matrix_diag_part(input, k = (-2, -1))
   ==> [[[5, 8],
         [9, 0]],
        [[1, 6],
         [5, 0]]]
 
 # padding_value = 9
 tf.matrix_diag_part(input, k = (1, 3), padding_value = 9)
   ==> [[[9, 9, 4],  # Output shape: (2, 3, 3)
         [9, 3, 8],
         [2, 7, 6]],
        [[9, 9, 2],
         [9, 3, 4],
         [4, 3, 8]]]