Uyarı: Bu API kullanımdan kaldırıldı ve TensorFlow'un gelecekteki bir sürümünde , değişim kararlı hale geldikten sonra kaldırılacaktır.

Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

MatrixSetDiagV2

genel son sınıf MatrixSetDiagV2

Yeni toplu çapraz değerlere sahip toplu bir matris tensörü döndürür.

"İnput" ve "diyagonal" verildiğinde, bu işlem, en içteki matrislerin belirtilen köşegenleri dışında "input" ile aynı şekle ve değerlere sahip bir tensör döndürür. Bunların üzerine "diyagonal" değerler yazılacaktır.

"giriş", "r + 1" boyutlarına "[I, J, ..., L, M, N]" sahiptir. "K" skaler veya "k [0] == k [1]" olduğunda, "diyagonal" "r" boyutlarına "[I, J, ..., L, max_diag_len]" sahiptir. Aksi takdirde, "r + 1" boyutları "[I, J, ..., L, num_diags, max_diag_len]" vardır. "Say_diags" köşegenlerin sayısıdır, "num_diags = k [1] - k [0] + 1". "max_diag_len", "[k [0], k [1]]", "max_diag_len = min (M + min (k [1], 0), N + min (-k [0]) aralığındaki en uzun köşegendir , 0)) `

Çıktı, "[I, J, ..., L, M, N]" boyutlarına sahip "k + 1" dereceli bir tensördür. "K" skaler veya "k [0] == k [1]" ise:

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
 
Aksi takdirde,
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
 
burada "d = n - m`," diag_index = k [1] - d` ve "index_in_diag = n - max (d, 0) `.

Örneğin:

# 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]]]
 
 

Kamusal Yöntemler

Çıkış <T>
asOutput ()
Bir tensörün sembolik tutamacını döndürür.
statik <T> MatrixSetDiagV2 <T>
oluştur ( Kapsam kapsamı, İşlenen <T> girişi, İşlenen <T> köşegen, İşlenen <Tamsayı> k)
Yeni bir MatrixSetDiagV2 işlemini saran bir sınıf oluşturmak için fabrika yöntemi.
Çıkış <T>
çıktı ()
"Output.shape = input.shape" ile "r + 1" sıralaması.

Devralınan Yöntemler

Kamusal Yöntemler

public Output <T> asOutput ()

Bir tensörün sembolik tutamacını döndürür.

TensorFlow işlemlerine yönelik girdiler, başka bir TensorFlow işleminin çıktılarıdır. Bu yöntem, girdinin hesaplanmasını temsil eden sembolik bir tutamaç elde etmek için kullanılır.

public static MatrixSetDiagV2 <T> create ( Scope kapsamı, Operand <T> girişi, Operand <T> diyagonal, Operand <Integer> k)

Yeni bir MatrixSetDiagV2 işlemini saran bir sınıf oluşturmak için fabrika yöntemi.

Parametreler
dürbün mevcut kapsam
giriş Derece "r + 1", burada "r> = 1".
diyagonal "K" bir tam sayı veya "k [0] == k [1]" olduğunda "r" sıralaması. Aksi takdirde, "r + 1" sıralamasına sahiptir. "k> = 1".
k Çapraz ofset (ler). Pozitif değer süper diyagonal anlamına gelir, 0 ana köşegen anlamına gelir ve negatif değer alt köşegen anlamına gelir. "k" tek bir tam sayı (tek bir köşegen için) veya bir matris bandının düşük ve yüksek uçlarını belirten bir çift tam sayı olabilir. "k [0]", "k [1]" değerinden büyük olmamalıdır.
İadeler
  • MatrixSetDiagV2'nin yeni bir örneği

public Output <T> çıkışı ()

"Output.shape = input.shape" ile "r + 1" sıralaması.