זרימת טנסור :: אופ :: MatrixDiagV2

מחזיר טנזור אלכסוני באצווה עם ערכים אלכסוניים באצווה.

סיכום

מחזיר טנזור עם התוכן diagonal כ- k[0] -th ל- k[1] אלכסוני המטריצה, כשכל השאר מרופד padding . num_rows ו num_cols לציין את הממד של מטריקס הכמוס של הפלט. אם שניהם אינם מוגדרים, op מניח שהמטריצה ​​הפנימית היא ריבועית ומביאה את גודלה מ- k ואת הממד הפנימי ביותר של diagonal . אם רק אחד מהם צוין, ה- op מניח שהערך הלא מוגדר הוא הקטן ביותר האפשרי בהתבסס על קריטריונים אחרים.

תן diagonal להיות ממדי r [I, J, ..., L, M, N] . לטנסור הפלט דרגה r+1 עם צורה [I, J, ..., L, M, num_rows, num_cols] כאשר ניתן רק אלכסון אחד ( k הוא מספר שלם או k[0] == k[1] ) . אחרת, יש לו דרגה r עם צורה [I, J, ..., L, num_rows, num_cols] .

לממד השני הפנימי ביותר של diagonal יש משמעות כפולה. כאשר k הוא סקלרי או k[0] == k[1] , M הוא חלק מגודל האצווה [I, J, ..., M], וטנדר הפלט הוא:

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

אחרת, מטפלים ב- M כמספר האלכסונים של המטריצה ​​באותה אצווה ( M = k[1]-k[0]+1 ), וטנדר הפלט הוא:

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

לדוגמה:

# 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]]

טענות:

• היקף: אובייקט Scope
• אלכסונית: דירוג r , כאשר r >= 1
• k: קיזוז (ים) אלכסוני. ערך חיובי פירושו על-אלכסוני, 0 מתייחס לאלכסון הראשי, וערך שלילי פירושו תת-אלכסונים. k יכול להיות מספר שלם בודד (לאלכסון יחיד) או זוג מספרים שלמים המציינים את הקצוות הנמוכים והגבוהים של רצועת מטריצה. אסור ש- k[0] יהיה גדול מ- k[1] .
• מספר_שורות: מספר השורות של מטריצת הפלט. אם היא לא מסופקת, ה- op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומביאה את גודל המטריצה ​​מ- k ואת הממד הפנימי ביותר של diagonal .
• num_cols: מספר העמודות של מטריצת הפלט. אם היא לא מסופקת, ה- op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומביאה את גודל המטריצה ​​מ- k ואת הממד הפנימי ביותר של diagonal .
• padding_value: המספר שאליו ימלא האזור שמחוץ לפס האלכסוני שצוין. ברירת המחדל היא 0.

החזרות:

• Output : בעל דירוג r+1 כאשר k הוא מספר שלם או k[0] == k[1] , בדרגה r אחרת.

תכונות ציבוריות

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