MatrixSetDiagV2

classe final pública MatrixSetDiagV2

Retorna um tensor de matriz em lote com novos valores diagonais em lote.

Dadas `entrada` e `diagonal`, esta operação retorna um tensor com a mesma forma e valores de `entrada`, exceto para as diagonais especificadas das matrizes mais internas. Estes serão substituídos pelos valores em `diagonal`.

`input` tem dimensões `r+1` `[I, J, ..., L, M, N]`. Quando `k` é escalar ou `k[0] == k[1]`, `diagonal` tem `r` dimensões `[I, J, ..., L, max_diag_len]`. Caso contrário, possui dimensões `r+1` `[I, J, ..., L, num_diags, max_diag_len]`. `num_diags` é o número de diagonais, `num_diags = k[1] - k[0] + 1`. `max_diag_len` é a diagonal mais longa no intervalo `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0] , 0))`

A saída é um tensor de classificação `k+1` com dimensões `[I, J, ..., L, M, N]`. Se `k` for escalar ou `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
 
Caso contrário,
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
 
onde `d = n - m`, `diag_index = k[1] - d` e ` index_in_diag = n - max(d, 0)`.

Por exemplo:

# 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]]]
 
 

Métodos Públicos

Saída <T>
asOutput ()
Retorna o identificador simbólico de um tensor.
estático <T> MatrixSetDiagV2 <T>
create (escopo do escopo , entrada do operando <T>, diagonal do operando <T>, operando <inteiro> k)
Método de fábrica para criar uma classe que envolve uma nova operação MatrixSetDiagV2.
Saída <T>
saída ()
Classifique `r+1`, com `output.shape = input.shape`.

Métodos herdados

Métodos Públicos

Saída pública <T> asOutput ()

Retorna o identificador simbólico de um tensor.

As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.

public static MatrixSetDiagV2 <T> create (escopo do escopo , entrada do operando <T>, diagonal do operando <T>, operando <inteiro> k)

Método de fábrica para criar uma classe que envolve uma nova operação MatrixSetDiagV2.

Parâmetros
escopo escopo atual
entrada Classificação `r+1`, onde `r >= 1`.
diagonal Classifique `r` quando `k` for um número inteiro ou `k[0] == k[1]`. Caso contrário, possui classificação `r+1`. `k >= 1`.
k Deslocamentos diagonais. O valor positivo significa superdiagonal, 0 refere-se à diagonal principal e o valor negativo significa subdiagonais. `k` pode ser um único número inteiro (para uma única diagonal) ou um par de números inteiros especificando os extremos inferior e superior de uma banda de matriz. `k[0]` não deve ser maior que `k[1]`.
Devoluções
  • uma nova instância de MatrixSetDiagV2

Saída pública <T> saída ()

Classifique `r+1`, com `output.shape = input.shape`.