tensorflow :: ops :: MatrixSetDiagV2

یک سنسور ماتریس دسته ای با مقادیر مورب دسته ای جدید برمی گرداند.

خلاصه

با توجه به input و diagonal ، این عمل یک تنسور با همان شکل و مقادیر input را باز می گرداند ، به جز موربهای مشخص شده در ماتریس های درونی. این مقادیر با diagonal بازنویسی می شوند.

input دارای ابعاد r+1 است [I, J, ..., L, M, N] . وقتی k مقیاسی یا k[0] == k[1] ، diagonal دارای ابعاد r است [I, J, ..., L, max_diag_len] . در غیر این صورت ، ابعاد r+1 [I, J, ..., L, num_diags, max_diag_len] . num_diags تعداد num_diags = k[1] - k[0] + 1 ، num_diags = k[1] - k[0] + 1 . max_diag_len طولانی ترین مورب در محدوده است [k[0], k[1]] ، max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))

خروجی یک تنسور از درجه k+1 با ابعاد [I, J, ..., L, M, N] . اگر k مقیاسی یا k[0] == k[1] :

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

در غیر این صورت،

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

مثلا:

# 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_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_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_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]]]

  

  
Arguments:

      
scope: A Scope object
      
input: Rank r+1, where r >= 1.
      
diagonal: Rank r when k is an integer or k[0] == k[1]. Otherwise, it has rank r+1. k >= 1.
      
k: Diagonal offset(s). Positive value means superdiagonal, 0 refers to the main diagonal, and negative value means subdiagonals. k can be a single integer (for a single diagonal) or a pair of integers specifying the low and high ends of a matrix band. k[0] must not be larger than k[1].
    

  
Returns:

      
Output: Rank r+1, with output.shape = input.shape. 
    

  

    

      

        
Constructors and Destructors
      
    
    

      

        MatrixSetDiagV2(const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input diagonal, ::tensorflow::Input k)
        

      
    
  
  

    

      

        
Public attributes
      
    
    

      

        operation
      
      

        

          Operation
        
      
    
    

      

        output
      
      

        

          ::tensorflow::Output
        
      
    
  
  

    

      

        
Public functions
      
    
    

      

        node() const 
      
      

        

          ::tensorflow::Node *
        
      
    
    

      

        operator::tensorflow::Input() const 
      
      

        

          
        

      
    
    

      

        operator::tensorflow::Output() const 
      
      

        

          
        

      
    
  
  
Public attributes
  

    
operation
    
Operation operation
 
 خروجی
 
::tensorflow::Output output
 کارکردهای عمومی 
 MatrixSetDiagV2
 
 MatrixSetDiagV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k
)
 
 گره
 
::tensorflow::Node * node() const 
 
 عملگر :: tensorflow :: ورودی
 
 operator::tensorflow::Input() const 
 
 عملگر :: tensorflow :: خروجی
 
 operator::tensorflow::Output() const