ML Topluluk Günü 9 Kasım! TensorFlow, JAX güncellemeler için bize katılın ve daha fazla bilgi edinin

tensorflow :: ops :: MatrixDiagV2

#include <array_ops.h>

Verilen toplu çapraz değerlere sahip bir toplu çapraz tensör döndürür.

Özet

İçinde İade içerikli bir tensörünü diagonal olarak k[0] bırakanların için k[1] doldurulur her şey ile, bir matris oyunu bırakanların diyagonallerini padding . num_rows ve num_cols çıkışının iç matrisin boyutu belirtir. Her iki belirtilmemişse, op içteki matris kare ve infers onun gelen boyutunu varsayar k ve en iç boyutunu diagonal . Yalnızca biri belirtilirse, operasyon belirlenmemiş değerin diğer kriterlere göre mümkün olan en küçük değer olduğunu varsayar.

diagonal r boyutları [I, J, ..., L, M, N] . Çıkış tensörü, yalnızca bir köşegen verildiğinde ( k bir tam sayıdır veya k[0] == k[1] ) şeklinde [I, J, ..., L, M, num_rows, num_cols] şeklinde r+1 derecesine sahiptir. . Aksi takdirde, [I, J, ..., L, num_rows, num_cols] şeklinde r sıralaması vardır.

İkinci en içteki boyut diagonal iki anlama sahiptir. k skaler veya k[0] == k[1] , M , parti boyutunun [I, J, ..., M] parçasıdır ve çıkış tensörü:

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

Aksi takdirde, M , aynı partideki matris için köşegen sayısı olarak kabul edilir ( M = k[1]-k[0]+1 ) ve çıkış tensörü:

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
burada d = n - m

Örneğin:

# 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]]

Argümanlar:

  • kapsam: Bir Scope nesnesi
  • diyagonal: Derece r , burada r >= 1
  • k: Çapraz ofset (ler). Pozitif değer süper diyagonal anlamına gelir, 0 ana köşegen anlamına gelir ve negatif değer alt köşegen anlamına gelir. k , tek bir tam sayı (tek bir köşegen için) veya bir matris bandının düşük ve yüksek uçlarını belirten bir çift tam sayı olabilir. k[0] , k[1] den büyük olmamalıdır.
  • satır_sayısı: Çıktı matrisinin satır sayısı. Sağlanmazsa, işlem çıktı matrisinin bir kare matris olduğunu varsayar ve matris boyutunu k'den ve diagonal en içteki boyutunu diagonal .
  • num_cols: Çıktı matrisinin sütun sayısı. Sağlanmazsa, işlem çıktı matrisinin bir kare matris olduğunu varsayar ve matris boyutunu k'den ve diagonal en içteki boyutunu diagonal .
  • padding_value: Belirtilen diyagonal bandın dışındaki alanı dolduracak sayı. Varsayılan 0'dır.

İadeler:

  • Output : k bir tam sayı olduğunda r+1 veya k[0] == k[1] olduğunda r+1 k[0] == k[1] , aksi takdirde r sırasıdır.

Yapıcılar ve Yıkıcılar

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

Genel özellikler

operation
output

Kamusal işlevler

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

Genel özellikler

operasyon

Operation operation

çıktı

::tensorflow::Output output

Kamusal işlevler

MatrixDiagV2

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

düğüm

::tensorflow::Node * node() const 

operator :: tensorflow :: Girdi

 operator::tensorflow::Input() const 

operator :: tensorflow :: Çıktı

 operator::tensorflow::Output() const