جریان تنسور:: عملیات:: MatrixDiagV3

یک تانسور مورب دسته‌ای را با مقادیر مورب دسته‌ای داده شده برمی‌گرداند.

خلاصه

تانسوری را با محتویات diagonal به صورت قطرهای k[0] -th تا k[1] -ام یک ماتریس برمی‌گرداند، و هر چیز دیگری با padding پر شده است. num_rows و num_cols ابعاد داخلی ترین ماتریس خروجی را مشخص می کنند. اگر هر دو مشخص نشده باشند، op درونی‌ترین ماتریس را مربع فرض می‌کند و اندازه آن را از k و درونی‌ترین بعد diagonal استنتاج می‌کند. اگر فقط یکی از آنها مشخص شده باشد، op فرض می کند که مقدار نامشخص بر اساس معیارهای دیگر کوچکترین مقدار ممکن است.

فرض کنید diagonal دارای ابعاد r باشد [I, J, ..., L, M, N] . تانسور خروجی دارای رتبه r+1 با شکل [I, J, ..., L, M, num_rows, num_cols] که فقط یک مورب داده شود ( k یک عدد صحیح است یا k[0] == k[1] ) . در غیر این صورت دارای رتبه r با شکل [I, J, ..., L, num_rows, num_cols] است.

دومین بعد داخلی diagonal معنای دوگانه دارد. وقتی k اسکالر یا k[0] == k[1] باشد، M بخشی از اندازه دسته [I, J, ..., M] است و تانسور خروجی:

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 می شود ( M = k[1]-k[0]+1 )، و تانسور خروجی:

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

offset صفر است مگر زمانی که تراز مورب 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

مثلا:

# 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
      
      

        

          Operation
        
      
    
    

      

        output
      
      

        

          ::tensorflow::Output
        
      
    
  
  

    

      

        
Public functions
      
    
    

      

        node() const 
      
      

        

          ::tensorflow::Node *
        
      
    
    

      

        operator::tensorflow::Input() const 
      
      

        

          
        

      
    
    

      

        operator::tensorflow::Output() const 
      
      

        

          
        

      
    
  
  

    

      

        
Public static functions
      
    
    

      

        Align(StringPiece x)
      
      

        

          Attrs
        
      
    
  
  

    

      

        
Structs
      
    
    

      

        tensorflow::ops::MatrixDiagV3::Attrs
      
      

        
Optional attribute setters for MatrixDiagV3. 
      
    
  
  
Public attributes
  

    
operation
    
Operation operation
 
 خروجی
 
::tensorflow::Output output
 توابع عمومی 
 MatrixDiagV3
 
 MatrixDiagV3(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value
)
 
 MatrixDiagV3
 
 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
)