텐서플로우:: ops:: MatrixDiagV2

#include <array_ops.h>

주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.

요약

이 함수는 k[0] 번째부터 k[1] 번째 대각선에 있는 내용을 diagonal 의 대각선 요소로 사용하고 나머지 요소는 padding 으로 채운 텐서를 반환합니다. num_rows 와 num_cols 출력의 가장 안쪽 행렬의 크기를 지정합니다. 둘 다 지정하지 않으면 가장 안쪽 행렬이 정사각행렬이라고 가정하고 k 와 가장 안쪽 diagonal 요소의 크기를 기준으로 크기를 추론합니다. 둘 중 하나만 지정하면 지정되지 않은 값이 다른 기준에 따라 가능한 가장 작은 값이라고 가정합니다.

diagonal 차원이 r 개라고 가정합니다. 출력 텐서는 하나의 대각선만 주어졌을 때(k는 정수이거나 k k[0] == k[1] 인 경우) [I, J, [I, J, ..., L, M, N] [I, J, ..., L, M, num_rows, num_cols] 형태의 r+1 랭크를 갖습니다. 그렇지 않으면 [I, J, ..., L, num_rows, num_cols] 형태의 r 랭크를 갖습니다.

diagonal 의 두 번째 안쪽 차원은 이중적인 의미를 갖습니다. k 가 스칼라이거나 k[0] == k[1] 경우, M 배치 크기 [I, J, ..., M]의 일부이며 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 동일 배치에 있는 행렬의 대각선 개수( M = k[1]-k[0]+1 )로 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
 여기서 d = n - m , diag_index = k[1] - d , index_in_diag = n - max(d, 0) 입니다.

예를 들어: 

# 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]]

논거:

  • 범위: Scope 객체
  • 대각선: 순위 r , 여기서 r >= 1
  • k: 대각선 오프셋. 양수 값은 상위 대각선을 의미하고, 0은 주 대각선을 의미하며, 음수 값은 하위 대각선을 의미합니다. k 단일 정수(단일 대각선의 경우)이거나 행렬 밴드의 하단과 상단을 지정하는 정수 쌍일 수 있습니다. k[0] k[1] 보다 클 수 없습니다.
  • num_rows: 출력 행렬의 행 수입니다. 제공되지 않으면 연산은 출력 행렬이 정사각행렬이라고 가정하고 k와 diagonal 의 가장 안쪽 차원을 통해 행렬 크기를 추론합니다.
  • num_cols: 출력 행렬의 열 개수입니다. 이 값이 제공되지 않으면 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k와 diagonal 의 가장 안쪽 차원을 통해 행렬 크기를 추론합니다.
  • padding_value: 지정된 대각선 띠 바깥쪽 영역을 채울 숫자입니다. 기본값은 0입니다.

보고:

  • Output : k 가 정수이거나 k[0] == k[1] 인 경우 순위는 r+1 이고, 그렇지 않으면 순위는 r 입니다.

생성자와 소멸자

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

공개 속성

operation
output

공공 기능

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

공개 속성

작업 

Operation operation

산출 

::tensorflow::Output output

공공 기능

매트릭스디아그V2 

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

마디 

::tensorflow::Node * node() const

연산자::텐서플로우::입력 

 operator::tensorflow::Input() const

연산자::텐서플로우::출력 

 operator::tensorflow::Output() const