tensorflow:: عملیات:: MatrixDiagPartV2

بخش مورب دسته بندی شده از یک تانسور دسته بندی شده را برمی‌گرداند.

خلاصه

یک تانسور با قطرهای k[0] تا k[1] ام از input دسته بندی شده را برمی‌گرداند.

فرض کنید input r بعد دارد [I, J, ..., L, M, N] . فرض کنید max_diag_len حداکثر طول در بین تمام قطرهایی باشد که باید استخراج شوند، max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0)) فرض کنید num_diags تعداد قطرهایی باشد که باید استخراج شوند، num_diags = k[1] - k[0] + 1 .

اگر num_diags == 1 ، تانسور خروجی از مرتبه r - 1 با شکل [I, J, ..., L, max_diag_len] و مقادیر زیر است:

diagonal[i, j, ..., l, n]
  = input[i, j, ..., l, n+y, n+x] ; when 0 <= n-y < M and 0 <= n-x < N,
    0                             ; otherwise.

در غیر این صورت، تانسور خروجی دارای رتبه r با ابعاد [I, J, ..., L, num_diags, max_diag_len] با مقادیر زیر است:

diagonal[i, j, ..., l, m, n]
  = input[i, j, ..., l, n+y, n+x] ; when 0 <= n-y < M and 0 <= n-x < N,
    0                             ; otherwise.

ورودی باید حداقل یک ماتریس باشد.

برای مثال:

input = np.array([[[1, 2, 3, 4],  # Input shape: (2, 3, 4)
                   [5, 6, 7, 8],
                   [9, 8, 7, 6]],
                  [[5, 4, 3, 2],
                   [1, 2, 3, 4],
                   [5, 6, 7, 8]]])

# A main diagonal from each batch.
tf.matrix_diag_part(input) ==> [[1, 6, 7],  # Output shape: (2, 3)
                                [5, 2, 7]]

# A superdiagonal from each batch.
tf.matrix_diag_part(input, k = 1)
  ==> [[2, 7, 6],  # Output shape: (2, 3)
       [4, 3, 8]]

# A tridiagonal band from each batch.
tf.matrix_diag_part(input, k = (-1, 1))
  ==> [[[2, 7, 6],  # Output shape: (2, 3, 3)
        [1, 6, 7],
        [5, 8, 0]],
       [[4, 3, 8],
        [5, 2, 7],
        [1, 6, 0]]]

# Padding = 9
tf.matrix_diag_part(input, k = (1, 3), padding = 9)
  ==> [[[4, 9, 9],  # Output shape: (2, 3, 3)
        [3, 8, 9],
        [2, 7, 6]],
       [[2, 9, 9],
        [3, 4, 9],
        [4, 3, 8]]]

استدلال‌ها:

• دامنه: یک شیء دامنه
• ورودی: تانسور رتبه r که در آن r >= 2 .
• k: آفست(های) قطری. مقدار مثبت به معنای فوق قطری، 0 به قطر اصلی و مقدار منفی به معنای زیرقطرها است. k می‌تواند یک عدد صحیح (برای یک قطر واحد) یا یک جفت عدد صحیح باشد که انتهای پایین و بالای یک نوار ماتریس را مشخص می‌کنند. k[0] نباید بزرگتر از k[1] باشد.
• padding_value: مقداری که باید ناحیه خارج از نوار مورب مشخص شده را با آن پر کنید. مقدار پیش‌فرض ۰ است.

بازده:

• Output : قطر(های) استخراج شده.

ویژگی‌های عمومی

::tensorflow::Output diagonal

Operation operation

 MatrixDiagPartV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input k,
  ::tensorflow::Input padding_value
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const