MatrixSetDiagV2

lớp cuối cùng công khai MatrixSetDiagV2

Trả về một tensor ma trận theo đợt với các giá trị đường chéo theo đợt mới.

Cho `đầu vào` và `đường chéo`, thao tác này trả về một tenxơ có hình dạng và giá trị giống như `đầu vào`, ngoại trừ các đường chéo được chỉ định của ma trận trong cùng. Những giá trị này sẽ bị ghi đè bởi các giá trị trong `đường chéo`.

`input` có kích thước `r+1` `[I, J, ..., L, M, N]`. Khi `k` là vô hướng hoặc `k[0] == k[1]`, `đường chéo` có các kích thước `r` `[I, J, ..., L, max_diag_len]`. Mặt khác, nó có kích thước `r+1` `[I, J, ..., L, num_diags, max_diag_len]`. `num_diags` là số đường chéo, `num_diags = k[1] - k[0] + 1`. `max_diag_len` là đường chéo dài nhất trong phạm vi `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0] , 0))`

Đầu ra là một tensor hạng `k+1` với các kích thước `[I, J, ..., L, M, N]`. Nếu `k` là vô hướng hoặc `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
 
Nếu không thì,
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
 
trong đó `d = n - m`, `diag_index = k[1] - d`, và `index_in_diag = n - max(d, 0)`.

Ví dụ:

# 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]]]
 
 

Phương pháp công khai

Đầu ra <T>
asOutput ()
Trả về phần điều khiển tượng trưng của một tenxơ.
tĩnh <T> MatrixSetDiagV2 <T>
tạo ( Phạm vi phạm vi, đầu vào Toán hạng <T>, Đường chéo Toán tử <T>, Toán hạng <Số nguyên> k)
Phương thức gốc để tạo một lớp bao bọc một thao tác MatrixSetDiagV2 mới.
Đầu ra <T>
đầu ra ()
Xếp hạng `r+1`, với `output.shape = input.shape`.

Phương pháp kế thừa

Phương pháp công khai

Đầu ra công khai <T> asOutput ()

Trả về phần điều khiển tượng trưng của một tenxơ.

Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.

public static MatrixSetDiagV2 <T> tạo (Phạm vi phạm vi, đầu vào Toán hạng <T>, Đường chéo toán hạng <T>, Toán hạng <Số nguyên> k)

Phương thức gốc để tạo một lớp bao bọc một thao tác MatrixSetDiagV2 mới.

Thông số
phạm vi phạm vi hiện tại
đầu vào Xếp hạng `r+1`, trong đó `r >= 1`.
đường chéo Xếp hạng `r` khi `k` là số nguyên hoặc `k[0] == k[1]`. Ngược lại, nó có thứ hạng `r+1`. `k >= 1`.
k (Các) khoảng lệch chéo. Giá trị dương có nghĩa là đường chéo lớn, 0 là đường chéo chính và giá trị âm có nghĩa là đường chéo phụ. `k` có thể là một số nguyên đơn (đối với một đường chéo) hoặc một cặp số nguyên chỉ định đầu dưới và đầu cao của dải ma trận. `k[0]` không được lớn hơn `k[1]`.
Trả lại
  • một phiên bản mới của MatrixSetDiagV2

Đầu ra công khai đầu ra <T> ()

Xếp hạng `r+1`, với `output.shape = input.shape`.