aliran tensor:: operasi:: MatrixDiagPartV2

#include <array_ops.h>

Mengembalikan bagian diagonal batch dari tensor batch.

Ringkasan

Mengembalikan tensor dengan diagonal ke- k[0] hingga k[1] dari input batch.

Asumsikan input memiliki r dimensi [I, J, ..., L, M, N] . Misalkan max_diag_len adalah panjang maksimum di antara semua diagonal yang akan diekstraksi, max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0)) Misalkan num_diags adalah banyaknya diagonal yang akan diekstraksi. ekstrak, num_diags = k[1] - k[0] + 1 .

Jika num_diags == 1 , tensor keluarannya berperingkat r - 1 dengan bentuk [I, J, ..., L, max_diag_len] dan nilai:

diagonal[i, j, ..., l, n]
  = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
    padding_value                 ; otherwise.
di mana y = max(-k[1], 0) , x = max(k[1], 0) .

Jika tidak, tensor keluaran memiliki peringkat r dengan dimensi [I, J, ..., L, num_diags, max_diag_len] dengan nilai:

diagonal[i, j, ..., l, m, n]
  = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
    padding_value                 ; otherwise.
di mana d = k[1] - m , y = max(-d, 0) , dan x = max(d, 0) .

Inputnya minimal harus berupa matriks.

Misalnya:

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

Argumen:

  • ruang lingkup: Objek Lingkup
  • masukan: Peringkat r tensor di mana r >= 2 .
  • k: Offset diagonal. Nilai positif berarti superdiagonal, 0 mengacu pada diagonal utama, dan nilai negatif berarti subdiagonal. k dapat berupa bilangan bulat tunggal (untuk satu diagonal) atau sepasang bilangan bulat yang menentukan ujung rendah dan tinggi dari pita matriks. k[0] tidak boleh lebih besar dari k[1] .
  • padding_value: Nilai untuk mengisi area di luar pita diagonal yang ditentukan. Standarnya adalah 0.

Pengembalian:

  • Output : Diagonal yang diekstraksi.

Konstruktor dan Destruktor

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

Atribut publik

diagonal
operation

Fungsi publik

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

Atribut publik

diagonal

::tensorflow::Output diagonal

operasi

Operation operation

Fungsi publik

MatrixDiagPartV2

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

simpul

::tensorflow::Node * node() const 

operator::tensorflow::Masukan

 operator::tensorflow::Input() const 

operator::tensorflow::Keluaran

 operator::tensorflow::Output() const