MatrixSetDiagV3

새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다.

'input' 및 'diagonal'이 주어지면 이 연산은 가장 안쪽 행렬의 지정된 대각선을 제외하고 'input'과 동일한 모양과 값을 가진 텐서를 반환합니다. 이는 `대각선`의 값으로 덮어쓰여집니다.

`입력`에는 `r+1` 차원 `[I, J, ..., L, M, N]`이 있습니다. `k`가 스칼라이거나 `k[0] == k[1]`인 경우 `대각선`은 `r` 차원 `[I, J, ..., L, max_diag_len]`을 갖습니다. 그렇지 않으면 `r+1` 치수 `[I, J, ..., L, num_diags, max_diag_len]`을 갖습니다. `num_diags`는 대각선 수, `num_diags = k[1] - k[0] + 1`입니다. `max_diag_len`은 `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0]) 범위에서 가장 긴 대각선입니다. , 0))`

출력은 `[I, J, ..., L, M, N]` 차원을 갖는 `k+1` 순위의 텐서입니다. `k`가 스칼라이거나 `k[0] == k[1]`인 경우:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
     input[i, j, ..., l, m, n]              ; otherwise
 

그렇지 않으면

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

여기서 `d = n - m`, `diag_index = k[1] - d` 및 ` index_in_diag = n - 최대(d, 0) + 오프셋`.

'오프셋'은 대각선 정렬이 오른쪽인 경우를 제외하면 0입니다.

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
 }

여기서 `diag_len(d) = min(cols - max(d, 0), 행 + min(d, 0))`.

예:

# The main diagonal.
 input = np.array([[[7, 7, 7, 7],              # Input shape: (2, 3, 4)
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]],
                   [[7, 7, 7, 7],
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]]])
 diagonal = np.array([[1, 2, 3],               # Diagonal shape: (2, 3)
                      [4, 5, 6]])
 tf.matrix_set_diag(input, diagonal)
   ==> [[[1, 7, 7, 7],  # Output shape: (2, 3, 4)
         [7, 2, 7, 7],
         [7, 7, 3, 7]],
        [[4, 7, 7, 7],
         [7, 5, 7, 7],
         [7, 7, 6, 7]]]
 
 # A superdiagonal (per batch).
 tf.matrix_set_diag(input, diagonal, k = 1)
   ==> [[[7, 1, 7, 7],  # Output shape: (2, 3, 4)
         [7, 7, 2, 7],
         [7, 7, 7, 3]],
        [[7, 4, 7, 7],
         [7, 7, 5, 7],
         [7, 7, 7, 6]]]
 
 # A band of diagonals.
 diagonals = np.array([[[0, 9, 1],  # Diagonal shape: (2, 4, 3)
                        [6, 5, 8],
                        [1, 2, 3],
                        [4, 5, 0]],
                       [[0, 1, 2],
                        [5, 6, 4],
                        [6, 1, 2],
                        [3, 4, 0]]])
 tf.matrix_set_diag(input, diagonals, k = (-1, 2))
   ==> [[[1, 6, 9, 7],  # Output shape: (2, 3, 4)
         [4, 2, 5, 1],
         [7, 5, 3, 8]],
        [[6, 5, 1, 7],
         [3, 1, 6, 2],
         [7, 4, 2, 4]]]
 
 # LEFT_RIGHT alignment.
 diagonals = np.array([[[9, 1, 0],  # Diagonal shape: (2, 4, 3)
                        [6, 5, 8],
                        [1, 2, 3],
                        [0, 4, 5]],
                       [[1, 2, 0],
                        [5, 6, 4],
                        [6, 1, 2],
                        [0, 3, 4]]])
 tf.matrix_set_diag(input, diagonals, k = (-1, 2), align="LEFT_RIGHT")
   ==> [[[1, 6, 9, 7],  # Output shape: (2, 3, 4)
         [4, 2, 5, 1],
         [7, 5, 3, 8]],
        [[6, 5, 1, 7],
         [3, 1, 6, 2],
         [7, 4, 2, 4]]]