Odpowiedz już dziś na lokalne wydarzenie TensorFlow Everywhere!
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tensorflow :: ops :: MatrixDiagV2

#include <array_ops.h>

Zwraca zestawiony diagonalny tensor z podanymi grupowymi wartościami przekątnymi.

Podsumowanie

Zwraca tensor z zawartością po diagonal postaci k[0] -tej do k[1] -tej przekątnej macierzy, a wszystko inne jest padding . num_rows i num_cols określają wymiar najbardziej wewnętrznej macierzy wyniku. Jeśli nie podano obu, op zakłada, że ​​najbardziej wewnętrzna macierz jest kwadratowa i wnioskuje o jej rozmiar z k i najbardziej wewnętrznego wymiaru diagonal . Jeśli określono tylko jeden z nich, op zakłada, że ​​nieokreślona wartość jest najmniejszą możliwą na podstawie innych kryteriów.

Niech diagonal miała r wymiary [I, J, ..., L, M, N] . Tensor wyjściowy ma rząd r+1 ma kształt [I, J, ..., L, M, num_rows, num_cols] gdy podano tylko jedną przekątną ( k jest liczbą całkowitą lub k[0] == k[1] ) . W przeciwnym razie ma [I, J, ..., L, num_rows, num_cols] r z kształtem [I, J, ..., L, num_rows, num_cols] .

Drugi najbardziej wewnętrzny wymiar diagonal ma podwójne znaczenie. Gdy k jest skalarne lub k[0] == k[1] , M jest częścią wielkości wsadu [I, J, ..., M], a tensor wyjściowy to:

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

W przeciwnym razie M jest traktowane jako liczba przekątnych macierzy w tej samej partii ( M = k[1]-k[0]+1 ), a tensor wyjściowy to:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
    padding_value                                     ; otherwise
gdzie d = n - m , diag_index = k[1] - d oraz index_in_diag = n - max(d, 0) .

Na przykład:

# 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]]

Argumenty:

  • zakres: obiekt Scope
  • przekątna: stopień r , gdzie r >= 1
  • k: Przesunięcie po przekątnej. Wartość dodatnia oznacza przekątną, 0 odnosi się do głównej przekątnej, a wartość ujemna oznacza przekątne. k może być pojedynczą liczbą całkowitą (dla pojedynczej przekątnej) lub parą liczb całkowitych określających dolne i górne końce pasma macierzy. k[0] nie może być większe niż k[1] .
  • num_rows: liczba wierszy macierzy wyjściowej. Jeśli nie jest podany, op zakłada, że ​​macierz wyjściowa jest macierzą kwadratową i wnioskuje rozmiar macierzy z k i najbardziej wewnętrznego wymiaru diagonal .
  • num_cols: liczba kolumn macierzy wyjściowej. Jeśli nie jest podany, op zakłada, że ​​macierz wyjściowa jest macierzą kwadratową i wnioskuje o rozmiarze macierzy z k i najbardziej wewnętrznego wymiaru diagonal .
  • padding_value: liczba, którą ma wypełnić obszar poza określonym pasmem ukośnym. Wartość domyślna to 0.

Zwroty:

  • Output : ma rangę r+1 gdy k jest liczbą całkowitą lub k[0] == k[1] , w przeciwnym razie ranga r .

Konstruktorzy i niszczyciele

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

Atrybuty publiczne

operation
output

Funkcje publiczne

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

Atrybuty publiczne

operacja

Operation operation

wynik

::tensorflow::Output output

Funkcje publiczne

MatrixDiagV2

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

węzeł

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const