MatrixDiagV3

指定されたバッチ対角値を持つバッチ対角テンソルを返します。

`diagonal`の内容が行列の` k [0] `番目から` k [1] `番目の対角線であり、他のすべてが` padding`で埋められているテンソルを返します。 `num_rows`と` num_cols`は、出力の最も内側の行列の次元を指定します。両方が指定されていない場合、opは最も内側の行列が正方行列であると想定し、そのサイズを「k」と「対角」の最も内側の次元から推測します。それらの1つだけが指定されている場合、opは、指定されていない値が他の基準に基づいて可能な限り小さいと見なします。

`対角`に `r`次元` [I、J、...、L、M、N] `を持たせます。出力テンソルは、対角線が1つだけ指定されている場合（ `k`は整数、または` k [0] == k [1] `）。それ以外の場合は、ランクが「r」で、形状が「[I、J、...、L、num_rows、num_cols]」になります。

`対角`の2番目に内側の次元には二重の意味があります。 `k`がスカラーまたは` k [0] == k [1] `の場合、` M`はバッチサイズ[I、J、...、M]の一部であり、出力テンソルは次のとおりです。 `M`は、同じバッチ内の行列の対角線の数として扱われ（` M = k [1] -k [0] + 1`）、出力テンソルは次のとおりです。 、 `diag_index = [k] -d`、および` index_in_diag = n-max（d、0）+ offset`。

対角線の配置が右にある場合を除いて、 `offset`はゼロです。

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
 }

例：

# 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]]