Eine Frage haben? Verbinden Sie sich mit der Community im TensorFlow Forum Visit Forum

Tensorflow :: ops :: MatrixDiagV2

#include <array_ops.h>

Gibt einen gestapelten Diagonaltensor mit angegebenen gestapelten Diagonalwerten zurück.

Zusammenfassung

Gibt einen Tensor mit dem Inhalt in diagonal als k[0] -te bis k[1] -te Diagonale einer Matrix zurück, wobei alles andere mit padding aufgefüllt ist. num_rows und num_cols geben die Dimension der innersten Matrix der Ausgabe an. Wenn beide nicht angegeben sind, nimmt das op an, dass die innerste Matrix quadratisch ist, und leitet ihre Größe aus k und der innersten Dimension der diagonal . Wenn nur einer von ihnen angegeben wird, geht die Operation davon aus, dass der nicht angegebene Wert aufgrund anderer Kriterien der kleinstmögliche Wert ist.

Die diagonal habe r Dimensionen [I, J, ..., L, M, N] . Der Ausgangstensor hat Rang r+1 mit der Form [I, J, ..., L, M, num_rows, num_cols] wenn nur eine Diagonale angegeben ist ( k ist eine ganze Zahl oder k[0] == k[1] ). . Ansonsten hat es Rang r mit Form [I, J, ..., L, num_rows, num_cols] .

Die zweite innerste Dimension der diagonal hat eine doppelte Bedeutung. Wenn k skalar oder k[0] == k[1] , ist M Teil der Stapelgröße [I, J, ..., M] und der Ausgangstensor ist:

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

Andernfalls wird M als Anzahl der Diagonalen für die Matrix in derselben Charge behandelt ( M = k[1]-k[0]+1 ), und der Ausgangstensor ist:

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
wobei d = n - m

Beispielsweise:

# 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]]

Argumente:

  • scope: Ein Scope- Objekt
  • Diagonale: Rang r , wobei r >= 1
  • k: Diagonale Versätze. Positiver Wert bedeutet Superdiagonale, 0 bezieht sich auf die Hauptdiagonale und negativer Wert bedeutet Subdiagonale. k kann eine einzelne Ganzzahl (für eine einzelne Diagonale) oder ein Paar von Ganzzahlen sein, die das untere und obere Ende eines Matrixbandes angeben. k[0] darf nicht größer als k[1] .
  • num_rows: Die Anzahl der Zeilen der Ausgabematrix. Wenn dies nicht vorgesehen ist, nimmt die Operation an, dass die Ausgabematrix eine quadratische Matrix ist, und leitet die Matrixgröße aus k und der innersten Dimension der diagonal .
  • num_cols: Die Anzahl der Spalten der Ausgabematrix. Wenn dies nicht vorgesehen ist, nimmt die Operation an, dass die Ausgabematrix eine quadratische Matrix ist, und leitet die Matrixgröße aus k und der innersten Dimension der diagonal .
  • padding_value: Die Zahl, mit der der Bereich außerhalb des angegebenen Diagonalbandes gefüllt werden soll. Standard ist 0.

Kehrt zurück:

  • Output : Hat Rang r+1 wenn k eine ganze Zahl ist, oder k[0] == k[1] , andernfalls Rang r .

Konstruktoren und Destruktoren

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

Öffentliche Attribute

operation
output

Öffentliche Funktionen

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Öffentliche Attribute

Operation

Operation operation

Ausgabe

::tensorflow::Output output

Öffentliche Funktionen

MatrixDiagV2

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

Knoten

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const