MatrixSetDiagV3

کلاس نهایی عمومی MatrixSetDiagV3

یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند.

با توجه به «ورودی» و «مورب»، این عملیات یک تانسور را با همان شکل و مقادیر «ورودی» برمی‌گرداند، به جز قطرهای مشخص‌شده درونی‌ترین ماتریس‌ها. اینها با مقادیر «مورب» بازنویسی خواهند شد.

«ورودی» دارای ابعاد «r+1» است «[I، J، ...، L، M، N]». وقتی «k» اسکالر یا «k[0] == k[1]» است، «مورب» دارای ابعاد «r» است «[I، J، ...، L، max_diag_len]». در غیر این صورت، دارای ابعاد «r+1» «[I، J، ...، L، num_diags، max_diag_len]» است. "num_diags" تعداد قطرها است، "num_diags = k[1] - k[0] + 1". «max_diag_len» طولانی‌ترین مورب در محدوده «[k[0]، k[1]]»، «max_diag_len = min(M + min(k[1], 0)، N + min(-k[0]) است. , 0))`

خروجی تانسور رتبه «k+1» با ابعاد «[I، J، ...، L، M، N]» است. اگر «k» اسکالر یا «k[0] == k[1]» است:

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
 
در غیر این صورت،
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
 
که در آن «d = n - m»، «diag_index = k[1] - d»، و « index_in_diag = n - max(d, 0) + offset`.

"offset" صفر است مگر زمانی که تراز مورب به سمت راست باشد.

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
 
که در آن "diag_len(d) = min(cols - max(d, 0)، ردیف + min(d, 0))".

به عنوان مثال:

# 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(input, 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(input, 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([[[0, 9, 1],  # Diagonal shape: (2, 4, 3)
                        [6, 5, 8],
                        [1, 2, 3],
                        [4, 5, 0]],
                       [[0, 1, 2],
                        [5, 6, 4],
                        [6, 1, 2],
                        [3, 4, 0]]])
 tf.matrix_set_diag(input, diagonals, k = (-1, 2))
   ==> [[[1, 6, 9, 7],  # Output shape: (2, 3, 4)
         [4, 2, 5, 1],
         [7, 5, 3, 8]],
        [[6, 5, 1, 7],
         [3, 1, 6, 2],
         [7, 4, 2, 4]]]
 
 # LEFT_RIGHT alignment.
 diagonals = np.array([[[9, 1, 0],  # Diagonal shape: (2, 4, 3)
                        [6, 5, 8],
                        [1, 2, 3],
                        [0, 4, 5]],
                       [[1, 2, 0],
                        [5, 6, 4],
                        [6, 1, 2],
                        [0, 3, 4]]])
 tf.matrix_set_diag(input, diagonals, k = (-1, 2), align="LEFT_RIGHT")
   ==> [[[1, 6, 9, 7],  # Output shape: (2, 3, 4)
         [4, 2, 5, 1],
         [7, 5, 3, 8]],
        [[6, 5, 1, 7],
         [3, 1, 6, 2],
         [7, 4, 2, 4]]]
 
 

کلاس های تو در تو

کلاس MatrixSetDiagV3.Options ویژگی های اختیاری برای MatrixSetDiagV3

روش های عمومی

استاتیک MatrixSetDiagV3.Options
تراز کردن (تراز رشته)
خروجی <T>
asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
استاتیک <T> MatrixSetDiagV3 <T>
ایجاد (حوزه دامنه ، ورودی عملوند <T>، عملوند <T> مورب، عملوند <عدد صحیح> k، گزینه‌ها... گزینه‌ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید MatrixSetDiagV3 را بسته بندی می کند.
خروجی <T>
خروجی ()
رتبه «r+1»، با «output.shape = input.shape».

روش های ارثی

روش های عمومی

استاتیک عمومی MatrixSetDiagV3. تراز گزینه ها (تراز رشته)

مولفه های
تراز کردن برخی از مورب‌ها کوتاه‌تر از «max_diag_len» هستند و باید روی آن‌ها قرار داده شوند. «align» رشته‌ای است که مشخص می‌کند به ترتیب چگونه ابرمورب‌ها و زیر قطرها باید تراز شوند. چهار تراز احتمالی وجود دارد: «RIGHT_LEFT» (پیش‌فرض)، «LEFT_RIGHT»، «LEFT_LEFT» و «RIGHT_RIGHT». "RIGHT_LEFT" ابرمورب ها را به سمت راست تراز می کند (ردیف را به سمت چپ قرار می دهد) و قطرهای فرعی را در سمت چپ (راست روی ردیف قرار می دهد). این فرمت بسته بندی است که LAPACK از آن استفاده می کند. cuSPARSE از "LEFT_RIGHT" استفاده می کند که تراز مخالف است.

خروجی عمومی <T> asOutput ()

دسته نمادین یک تانسور را برمی‌گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

عمومی ایستا MatrixSetDiagV3 <T> ایجاد ( دامنه دامنه ، ورودی عملوند <T>، عملوند <T> مورب، عملوند <عدد صحیح> k، گزینه‌ها... گزینه‌ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات جدید MatrixSetDiagV3 را بسته بندی می کند.

مولفه های
محدوده محدوده فعلی
ورودی رتبه `r+1`، جایی که `r >= 1`.
مورب هنگامی که «k» یک عدد صحیح است یا «k[0] == k[1]» «r» را رتبه بندی کنید. در غیر این صورت دارای رتبه r+1 می باشد. `k>= 1`.
ک افست (های) مورب. مقدار مثبت به معنای ابر قطری، 0 به قطر اصلی و مقدار منفی به معنای قطرهای فرعی است. `k` می تواند یک عدد صحیح منفرد (برای یک مورب) یا یک جفت اعداد صحیح باشد که انتهای پایین و بالای یک باند ماتریس را مشخص می کند. «k[0]» نباید بزرگتر از «k[1]» باشد.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از MatrixSetDiagV3

خروجی عمومی <T> خروجی ()

رتبه «r+1»، با «output.shape = input.shape».