MatrixDiagV3

Verilen toplu çapraz değerlerle bir toplu çapraz tensör döndürür.

İçeriği "diyagonal" olarak bir matrisin "k [0]" - "k [1]" arası köşegenleri olan bir tensörü döndürür, diğer her şey "dolgu" ile doldurulur. "satır_sayısı" ve "satır_sayısı", çıktının en içteki matrisinin boyutunu belirtir. Her ikisi de belirtilmezse, işlem en içteki matrisin kare olduğunu varsayar ve boyutunu "k" dan ve "köşegen" in en içteki boyutundan çıkarır. Bunlardan yalnızca biri belirtilirse, operasyon belirlenmemiş değerin diğer kriterlere göre mümkün olan en küçük değer olduğunu varsayar.

"Köşegen" in "r" boyutları "[I, J, ..., L, M, N]" olsun. Çıktı tensörü, yalnızca bir köşegen verildiğinde ("k" bir tam sayıdır veya "k [0] 'dır)," [I, J, ..., L, M, satır_sayısı, sayı_sayısı] "şeklinde" r + 1 "derecesine sahiptir. == k [1] `). Aksi takdirde, "[I, J, ..., L, satır_sayısı, satır_sayısı]" şeklinde "r" derecesine sahiptir.

"Köşegen" in ikinci en içteki boyutu çift anlama sahiptir. "K" skaler veya "k [0] == k [1]" olduğunda, "M" parti boyutunun [I, J, ..., M] parçasıdır ve çıkış tensörü:

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

Aksi takdirde, "M", aynı partideki matris için köşegen sayısı olarak kabul edilir ("M = k [1] -k [0] + 1") ve çıkış tensörü:

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

burada "d = n - m" , "diag_index = [k] - d` ve" index_in_diag = n - max (d, 0) + offset`.

"ofset", köşegenin hizasının sağa doğru olması dışında sıfırdır.

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
 }

burada `diag_len (d) = min (cols - max (d, 0), satırlar + min (d, 0))`.

Örneğin:

# 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 tridiagonal band (per batch).
 diagonals = np.array([[[0, 8, 9],  # Input shape: (2, 2, 3)
                        [1, 2, 3],
                        [4, 5, 0]],
                       [[0, 2, 3],
                        [6, 7, 9],
                        [9, 1, 0]]])
 tf.matrix_diag(diagonals, k = (-1, 1))
   ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
         [4, 2, 9],
         [0, 5, 3]],
        [[6, 2, 0],
         [9, 7, 3],
         [0, 1, 9]]]
 
 # LEFT_RIGHT alignment.
 diagonals = np.array([[[8, 9, 0],  # Input shape: (2, 2, 3)
                        [1, 2, 3],
                        [0, 4, 5]],
                       [[2, 3, 0],
                        [6, 7, 9],
                        [0, 9, 1]]])
 tf.matrix_diag(diagonals, k = (-1, 1), align="LEFT_RIGHT")
   ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
         [4, 2, 9],
         [0, 5, 3]],
        [[6, 2, 0],
         [9, 7, 3],
         [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]]