MatrixSetDiagV2

MatrixSetDiagV2 คลาสสุดท้ายสาธารณะ

ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่

เมื่อระบุ "อินพุต" และ "แนวทแยง" การดำเนินการนี้จะส่งคืนเทนเซอร์ที่มีรูปร่างและค่าเหมือนกับ "อินพุต" ยกเว้นเส้นทแยงมุมที่ระบุของเมทริกซ์ด้านในสุด ค่าเหล่านี้จะถูกเขียนทับด้วยค่าใน "แนวทแยง"

`อินพุต` มี `r+1` ขนาด `[I, J, ..., L, M, N]` เมื่อ `k` เป็นสเกลาร์หรือ `k[0] == k[1]`, `diagonal` จะมีขนาด `r` `[I, J, ..., L, max_diag_len]` มิฉะนั้น จะมีขนาด `r+1` `[I, J, ..., L, num_diags, max_diag_len]` `num_diags` คือจำนวนเส้นทแยงมุม `num_diags = k[1] - k[0] + 1` `max_diag_len` เป็นเส้นทแยงมุมที่ยาวที่สุดในช่วง `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0] , 0))`

เอาต์พุตเป็นเทนเซอร์ระดับ `k+1` ที่มีขนาด `[I, J, ..., L, M, N]` ถ้า `k` เป็นสเกลาร์หรือ `k[0] == k[1]`:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
     input[i, j, ..., l, m, n]              ; otherwise
 
มิฉะนั้น,
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     input[i, j, ..., l, m, n]                         ; otherwise
 
โดยที่ `d = n - m`, `diag_index = k[1] - d` และ `index_in_diag = n - max(d, 0)`

ตัวอย่างเช่น:

# The main diagonal.
 input = np.array([[[7, 7, 7, 7],              # Input shape: (2, 3, 4)
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]],
                   [[7, 7, 7, 7],
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]]])
 diagonal = np.array([[1, 2, 3],               # Diagonal shape: (2, 3)
                      [4, 5, 6]])
 tf.matrix_set_diag(diagonal) ==> [[[1, 7, 7, 7],  # Output shape: (2, 3, 4)
                                    [7, 2, 7, 7],
                                    [7, 7, 3, 7]],
                                   [[4, 7, 7, 7],
                                    [7, 5, 7, 7],
                                    [7, 7, 6, 7]]]
 
 # A superdiagonal (per batch).
 tf.matrix_set_diag(diagonal, k = 1)
   ==> [[[7, 1, 7, 7],  # Output shape: (2, 3, 4)
         [7, 7, 2, 7],
         [7, 7, 7, 3]],
        [[7, 4, 7, 7],
         [7, 7, 5, 7],
         [7, 7, 7, 6]]]
 
 # A band of diagonals.
 diagonals = np.array([[[1, 2, 3],  # Diagonal shape: (2, 2, 3)
                        [4, 5, 0]],
                       [[6, 1, 2],
                        [3, 4, 0]]])
 tf.matrix_set_diag(diagonals, k = (-1, 0))
   ==> [[[1, 7, 7, 7],  # Output shape: (2, 3, 4)
         [4, 2, 7, 7],
         [0, 5, 3, 7]],
        [[6, 7, 7, 7],
         [3, 1, 7, 7],
         [7, 4, 2, 7]]]
 
 

วิธีการสาธารณะ

เอาท์พุต <T>
เป็นเอาท์พุต ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
คงที่ <T> MatrixSetDiagV2 <T>
สร้าง (ขอบเขต ขอบเขต , อินพุต Operand <T>, Operand <T> เส้นทแยงมุม, Operand <Integer> k)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ MatrixSetDiagV2 ใหม่
เอาท์พุต <T>
เอาท์พุท ()
อันดับ `r+1` โดยมี `output.shape = input.shape`

วิธีการสืบทอด

วิธีการสาธารณะ

เอาท์พุท สาธารณะ <T> asOutput ()

ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต

สร้าง MatrixSetDiagV2 <T> แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , อินพุต Operand <T>, Operand <T> เส้นทแยงมุม, Operand <Integer> k)

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ MatrixSetDiagV2 ใหม่

พารามิเตอร์
ขอบเขต ขอบเขตปัจจุบัน
ป้อนข้อมูล อันดับ `r+1` โดยที่ `r >= 1`
เส้นทแยงมุม จัดอันดับ `r` เมื่อ `k` เป็นจำนวนเต็มหรือ `k[0] == k[1]` มิฉะนั้นจะมีอันดับ `r+1` `เค >= 1`.
เค ออฟเซ็ตแนวทแยง ค่าบวกหมายถึงเส้นทแยงมุมเหนือ, 0 หมายถึงเส้นทแยงมุมหลัก และค่าลบหมายถึงเส้นทแยงมุมย่อย `k` อาจเป็นจำนวนเต็มเดี่ยว (สำหรับเส้นทแยงมุมเดียว) หรือจำนวนเต็มคู่ที่ระบุจุดต่ำสุดและสูงของแถบเมทริกซ์ `k[0]` ต้องไม่ใหญ่กว่า `k[1]`
การส่งคืน
  • อินสแตนซ์ใหม่ของ MatrixSetDiagV2

เอาท์พุท สาธารณะ <T> เอาท์พุท ()

อันดับ `r+1` โดยมี `output.shape = input.shape`