tensorflow :: ops :: MatrixDiagV2

주어진 배치 대각선 값으로 배치 된 대각선 텐서를 반환합니다.

요약

수익률 내용에 텐서를 diagonal 등 k[0] 번째는하기 k[1] 패딩과 다른 모든 매트릭스의 번째 대각선 padding . num_rows 및 num_cols 는 출력의 가장 안쪽 행렬의 차원을 지정합니다. 둘 다 지정되지 않은 경우 op는 가장 안쪽에있는 행렬이 정사각형이라고 가정하고 k 와 diagonal 의 가장 안쪽 차원에서 크기를 추론합니다. 둘 중 하나만 지정하면 op는 지정되지 않은 값이 다른 기준에 따라 가능한 가장 작은 값이라고 가정합니다.

diagonal 이 r 차원 [I, J, ..., L, M, N] 갖도록합니다. 출력 텐서는 하나의 대각선 만 주어질 때 [I, J, ..., L, M, num_rows, num_cols] 모양의 r+1 순위 [I, J, ..., L, M, num_rows, num_cols] 집니다 ( k 는 정수 또는 k[0] == k[1] ). . 그렇지 않으면 [I, J, ..., L, num_rows, num_cols] 모양의 순위 r 을 [I, J, ..., L, num_rows, num_cols] .

diagonal 의 두 번째 가장 안쪽 차원은 이중 의미를 갖습니다. k 가 스칼라이거나 k[0] == k[1] 이면 M 은 배치 크기 [I, J, ..., M]의 일부이고 출력 텐서는 다음과 같습니다.

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

그렇지 않으면 M 은 동일한 배치 ( M = k[1]-k[0]+1 )에있는 행렬의 대각선 수로 처리되며 출력 텐서는 다음과 같습니다.

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
    padding_value                                     ; otherwise

예를 들면 :

# 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_value = 9.
tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding_value = 9)
  ==> [[9, 9],  # Output shape: (3, 2)
       [1, 9],
       [9, 2]]

인수 :

• 범위 : 범위 개체
• 대각선 : 순위 r , 여기서 r >= 1
• k : 대각선 오프셋. 양수 값은 초 대각선, 0은 주 대각선, 음수 값은 부 대각선을 의미합니다. k 는 단일 정수 (단일 대각선의 경우)이거나 매트릭스 밴드의 하한 및 상한을 지정하는 정수 쌍일 수 있습니다. k[0] 은 k[1] 보다 클 수 없습니다.
• num_rows : 출력 행렬의 행 수. 제공되지 않는 경우 op는 출력 행렬이 정사각형 행렬이라고 가정하고 k에서 행렬 크기와 diagonal 의 가장 안쪽 차원을 유추합니다.
• num_cols : 출력 행렬의 열 수. 제공되지 않는 경우 op는 출력 행렬이 정사각형 행렬이라고 가정하고 k에서 행렬 크기와 diagonal 의 가장 안쪽 차원을 유추합니다.
• padding_value : 지정된 대각선 밴드 밖의 영역을 채울 숫자입니다. 기본값은 0입니다.

보고:

• Output : k 가 정수이거나 k[0] == k[1] 이면 r+1 , 그렇지 않으면 r 갖습니다.

공용 속성

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