tensorflow:: عملیات:: MatrixDiagV3

#include <array_ops.h>

یک تانسور قطری دسته بندی شده با مقادیر قطری دسته بندی شده داده شده را برمی‌گرداند.

خلاصه

یک تانسور با محتویات diagonal به صورت k[0] -ام تا k[1] -ام یک ماتریس را برمی‌گرداند، و هر چیز دیگری با padding پر شده است. num_rows و num_cols بُعد درونی‌ترین ماتریس خروجی را مشخص می‌کنند. اگر هر دو مشخص نشده باشند، op فرض می‌کند که درونی‌ترین ماتریس مربع است و اندازه آن را از k و درونی‌ترین بُعد diagonal استنباط می‌کند. اگر فقط یکی از آنها مشخص شده باشد، op فرض می‌کند که مقدار نامشخص، بر اساس معیارهای دیگر، کوچکترین مقدار ممکن است.

فرض کنید diagonal دارای r بُعد [I, J, ..., L, M, N] باشد. تانسور خروجی وقتی فقط یک قطر داده شده باشد ( k یک عدد صحیح باشد یا k[0] == k[1] r+1 با شکل [I, J, ..., L, M, num_rows, num_cols] است. در غیر این صورت، دارای رتبه r با شکل [I, J, ..., L, num_rows, num_cols] است.

دومین بُعد داخلی diagonal ، معنای دوگانه‌ای دارد. وقتی k اسکالر یا k[0] == k[1] باشد، M بخشی از اندازه دسته [I، J، ...، M] است و تانسور خروجی به صورت زیر است: 

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

در غیر این صورت، M به عنوان تعداد قطرهای ماتریس در همان دسته در نظر گرفته می‌شود ( M = k[1]-k[0]+1 )، و تانسور خروجی به صورت زیر است: 

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
    padding_value                                     ; otherwise
 که در آن d = n - m ، diag_index = [k] - d ، و index_in_diag = n - max(d, 0) + offset .

offset صفر است، مگر زمانی که راستای قطر به سمت راست باشد.

offset = max_diag_len - diag_len(d) ; if (`align` in {RIGHT_LEFT, RIGHT_RIGHT}
                                           and `d >= 0`) or
                                         (`align` in {LEFT_RIGHT, RIGHT_RIGHT}
                                           and `d <= 0`)
         0                          ; otherwise
 که در آن diag_len(d) = min(cols - max(d, 0), rows + min(d, 0)) .

برای مثال: 

# 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 tridiagonal band (per batch).
diagonals = np.array([[[0, 8, 9],  # Input shape: (2, 2, 3)
                       [1, 2, 3],
                       [4, 5, 0]],
                      [[0, 2, 3],
                       [6, 7, 9],
                       [9, 1, 0]]])
tf.matrix_diag(diagonals, k = (-1, 1))
  ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
        [4, 2, 9],
        [0, 5, 3]],
       [[6, 2, 0],
        [9, 7, 3],
        [0, 1, 9]]]

# LEFT_RIGHT alignment.
diagonals = np.array([[[8, 9, 0],  # Input shape: (2, 2, 3)
                       [1, 2, 3],
                       [0, 4, 5]],
                      [[2, 3, 0],
                       [6, 7, 9],
                       [0, 9, 1]]])
tf.matrix_diag(diagonals, k = (-1, 1), align="LEFT_RIGHT")
  ==> [[[1, 8, 0],  # Output shape: (2, 3, 3)
        [4, 2, 9],
        [0, 5, 3]],
       [[6, 2, 0],
        [9, 7, 3],
        [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]]

  

  
Arguments:
    
      
  • scope: A Scope object
    • 
      
  • diagonal: Rank r, where r >= 1
    • 
      
  • k: Diagonal offset(s). Positive value means superdiagonal, 0 refers to the main diagonal, and negative value means subdiagonals. k can be a single integer (for a single diagonal) or a pair of integers specifying the low and high ends of a matrix band. k[0] must not be larger than k[1].
    • 
      
  • num_rows: The number of rows of the output matrix. If it is not provided, the op assumes the output matrix is a square matrix and infers the matrix size from k and the innermost dimension of diagonal.
    • 
      
  • num_cols: The number of columns of the output matrix. If it is not provided, the op assumes the output matrix is a square matrix and infers the matrix size from k and the innermost dimension of diagonal.
    • 
      
  • padding_value: The number to fill the area outside the specified diagonal band with. Default is 0.
    • 
    

  
Optional attributes (see Attrs):
    
      
  • align: Some diagonals are shorter than max_diag_len and need to be padded. align is a string specifying how superdiagonals and subdiagonals should be aligned, respectively. There are four possible alignments: "RIGHT_LEFT" (default), "LEFT_RIGHT", "LEFT_LEFT", and "RIGHT_RIGHT". "RIGHT_LEFT" aligns superdiagonals to the right (left-pads the row) and subdiagonals to the left (right-pads the row). It is the packing format LAPACK uses. cuSPARSE uses "LEFT_RIGHT", which is the opposite alignment.
    • 
    

  
Returns:
    
      
  • Output: Has rank r+1 when k is an integer or k[0] == k[1], rank r otherwise. 
    • 
    

                                              




        
Constructors and Destructors

      		





        MatrixDiagV3(const ::tensorflow::Scope & scope, ::tensorflow::Input diagonal, ::tensorflow::Input k, ::tensorflow::Input num_rows, ::tensorflow::Input num_cols, ::tensorflow::Input padding_value)
        

      		





        MatrixDiagV3(const ::tensorflow::Scope & scope, ::tensorflow::Input diagonal, ::tensorflow::Input k, ::tensorflow::Input num_rows, ::tensorflow::Input num_cols, ::tensorflow::Input padding_value, const MatrixDiagV3::Attrs & attrs)
        

      		




                                                          




        
Public attributes

      		





        operation
      

        
      





        output
      

        
      




                                                                              




        
Public functions

      		





        node() const 
      

        

          ::tensorflow::Node *
        

      		





        operator::tensorflow::Input() const 
      

        

          
        

      		





        operator::tensorflow::Output() const 
      

        

          
        

      		




                                      




        
Public static functions

      		





        Align(StringPiece x)
      

        
      




                                      




        
Structs

      		





        tensorflow::ops::MatrixDiagV3::Attrs
      

        
Optional attribute setters for MatrixDiagV3. 

      		




  
Public attributes

  

    
operation

    
Operation operation
 خروجی 
::tensorflow::Output output
 کارکردهای عمومی 
 ماتریس دیاگ وی۳ 
 MatrixDiagV3(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value
)
 ماتریس دیاگ وی۳ 
 MatrixDiagV3(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value,
  const MatrixDiagV3::Attrs & attrs
)
 گره 
::tensorflow::Node * node() const 
 عملگر::tensorflow::ورودی 
 operator::tensorflow::Input() const 
 عملگر::tensorflow::خروجی 
 operator::tensorflow::Output() const 
 توابع استاتیک عمومی 
 تراز کردن 
Attrs Align(
  StringPiece x
)