تدفق التوتر:: العمليات:: ماتريكس دياجV2

تُرجع موترًا قطريًا مجمعًا بقيم قطرية مجمعة معينة.

ملخص

يُرجع موترًا بمحتوياته بشكل diagonal مثل k[0] -th إلى k[1] -th أقطار المصفوفة، مع كل شيء آخر مبطن padding . تحدد num_rows و num_cols بُعد المصفوفة الأعمق للمخرجات. إذا لم يتم تحديد كلاهما، تفترض العملية أن المصفوفة الأعمق مربعة وتستنتج حجمها من k والبعد الأعمق diagonal . إذا تم تحديد واحد منهم فقط، فإن العملية تفترض أن القيمة غير المحددة هي أصغر قيمة ممكنة بناءً على معايير أخرى.

دع diagonal له أبعاد r [I, J, ..., L, M, N] . موتر الخرج له رتبة r+1 بالشكل [I, J, ..., L, M, num_rows, num_cols] عندما يتم إعطاء قطري واحد فقط ( k هو عدد صحيح أو k[0] == k[1] ) . بخلاف ذلك، لها رتبة r بالشكل [I, J, ..., L, num_rows, num_cols] .

البعد الثاني الأعمق diagonal له معنى مزدوج. عندما يكون k عدديًا أو k[0] == k[1] ، يكون M جزءًا من حجم الدفعة [I, J, ..., M]، وموتر الإخراج هو:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
    output[i, j, ..., l, m, n]                ; otherwise

بخلاف ذلك، يتم التعامل مع M على أنه عدد أقطار المصفوفة في نفس الدفعة ( M = k[1]-k[0]+1 )، وموتر الخرج هو:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, k[1]-d, n-max(d, 0)] ; if d_lower <= d <= d_upper
    input[i, j, ..., l, m, n]                   ; otherwise

على سبيل المثال:

# The main diagonal.
diagonal = np.array([[1, 2, 3, 4],            # Input shape: (2, 4)
                     [5, 6, 7, 8]])
tf.matrix_diag(diagonal) ==> [[[1, 0, 0, 0],  # Output shape: (2, 4, 4)
                               [0, 2, 0, 0],
                               [0, 0, 3, 0],
                               [0, 0, 0, 4]],
                              [[5, 0, 0, 0],
                               [0, 6, 0, 0],
                               [0, 0, 7, 0],
                               [0, 0, 0, 8]]]

# A superdiagonal (per batch).
diagonal = np.array([[1, 2, 3],  # Input shape: (2, 3)
                     [4, 5, 6]])
tf.matrix_diag(diagonal, k = 1)
  ==> [[[0, 1, 0, 0],  # Output shape: (2, 4, 4)
        [0, 0, 2, 0],
        [0, 0, 0, 3],
        [0, 0, 0, 0]],
       [[0, 4, 0, 0],
        [0, 0, 5, 0],
        [0, 0, 0, 6],
        [0, 0, 0, 0]]]

# A band of diagonals.
diagonals = np.array([[[1, 2, 3],  # Input shape: (2, 2, 3)
                       [4, 5, 0]],
                      [[6, 7, 9],
                       [9, 1, 0]]])
tf.matrix_diag(diagonals, k = (-1, 0))
  ==> [[[1, 0, 0],  # Output shape: (2, 3, 3)
        [4, 2, 0],
        [0, 5, 3]],
       [[6, 0, 0],
        [9, 7, 0],
        [0, 1, 9]]]

# Rectangular matrix.
diagonal = np.array([1, 2])  # Input shape: (2)
tf.matrix_diag(diagonal, k = -1, num_rows = 3, num_cols = 4)
  ==> [[0, 0, 0, 0],  # Output shape: (3, 4)
       [1, 0, 0, 0],
       [0, 2, 0, 0]]

# Rectangular matrix with inferred num_cols and padding = 9.
tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding = 9)
  ==> [[9, 9],  # Output shape: (3, 2)
       [1, 9],
       [9, 2]]

الحجج:

• النطاق: كائن النطاق
• قطري: الرتبة r ، حيث r >= 1
• k: الإزاحة القطرية. القيمة الموجبة تعني القطر الفائق، 0 تشير إلى القطر الرئيسي، والقيمة السالبة تعني الأقطار الفرعية. يمكن أن يكون k عددًا صحيحًا واحدًا (لقطر واحد) أو زوجًا من الأعداد الصحيحة التي تحدد الأطراف المنخفضة والعالية لنطاق المصفوفة. يجب ألا يكون k[0] أكبر من k[1] .
• num_rows: عدد صفوف مصفوفة الإخراج. إذا لم يتم توفيره، فإن المرجع يفترض أن مصفوفة الإخراج هي مصفوفة مربعة ويستنتج حجم المصفوفة من k والبعد الأعمق diagonal .
• num_cols: عدد أعمدة مصفوفة الإخراج. إذا لم يتم توفيره، فإن المرجع يفترض أن مصفوفة الإخراج هي مصفوفة مربعة ويستنتج حجم المصفوفة من k والبعد الأعمق diagonal .
• قيمة الحشو: الرقم المراد ملء المنطقة خارج النطاق القطري المحدد به. الافتراضي هو 0.

عائدات:

• Output : له الرتبة r+1 عندما يكون k عددًا صحيحًا أو k[0] == k[1] ، والرتبة r بخلاف ذلك.

الصفات العامة

Operation operation

::tensorflow::Output output

 MatrixDiagV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const