Peringatan: API ini tidak digunakan lagi dan akan dihapus di versi TensorFlow mendatang setelah penggantinya stabil.

MatrixDiagPartV2

public class akhir MatrixDiagPartV2

Mengembalikan bagian diagonal batch dari tensor batch.

Mengembalikan tensor dengan diagonal `k[0]`-th hingga `k[1]`-th dari `input` batch.

Asumsikan `input` memiliki dimensi `r` `[I, J, ..., L, M, N]`. Misalkan `max_diag_len` menjadi panjang maksimum di antara semua diagonal yang akan diekstraksi, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))` Misalkan `num_diags` menjadi jumlah diagonal untuk mengekstrak, `num_diags = k[1] - k[0] + 1`.

Jika `num_diags == 1`, output tensor adalah peringkat` r - 1` dengan bentuk `[I, J, ..., L, max_diag_len]` dan nilai-nilai:

diagonal[i, j, ..., l, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
mana `y = max (-k [1], 0)`, `x = maks(k[1], 0)`.

Jika tidak, output tensor memiliki peringkat `r` dengan dimensi` [I, J, ..., L, num_diags, max_diag_len] `dengan nilai-nilai:

diagonal[i, j, ..., l, m, n]
   = input[i, j, ..., l, n+y, n+x] ; if 0 <= n+y < M and 0 <= n+x < N,
     padding_value                 ; otherwise.
 
mana` d = k [1] - m`, `y = maks(-d, 0)`, dan `x = maks(d, 0)`.

Masukan setidaknya harus berupa matriks.

Sebagai contoh:

input = np.array([[[1, 2, 3, 4],  # Input shape: (2, 3, 4)
                    [5, 6, 7, 8],
                    [9, 8, 7, 6]],
                   [[5, 4, 3, 2],
                    [1, 2, 3, 4],
                    [5, 6, 7, 8]]])
 
 # A main diagonal from each batch.
 tf.matrix_diag_part(input) ==> [[1, 6, 7],  # Output shape: (2, 3)
                                 [5, 2, 7]]
 
 # A superdiagonal from each batch.
 tf.matrix_diag_part(input, k = 1)
   ==> [[2, 7, 6],  # Output shape: (2, 3)
        [4, 3, 8]]
 
 # A tridiagonal band from each batch.
 tf.matrix_diag_part(input, k = (-1, 1))
   ==> [[[2, 7, 6],  # Output shape: (2, 3, 3)
         [1, 6, 7],
         [5, 8, 0]],
        [[4, 3, 8],
         [5, 2, 7],
         [1, 6, 0]]]
 
 # Padding value = 9
 tf.matrix_diag_part(input, k = (1, 3), padding_value = 9)
   ==> [[[4, 9, 9],  # Output shape: (2, 3, 3)
         [3, 8, 9],
         [2, 7, 6]],
        [[2, 9, 9],
         [3, 4, 9],
         [4, 3, 8]]]
 

Metode Publik

Output <T>
asOutput ()
Mengembalikan pegangan simbolis tensor.
statis <T> MatrixDiagPartV2 <T>
membuat ( Lingkup lingkup, Operan <T> input, Operan <Integer> k, Operan <T> paddingValue)
Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagPartV2 baru.
Output <T>
diagonal ()
Diagonal yang diekstraksi.

Metode yang Diwarisi

Metode Publik

publik Keluaran <T> asOutput ()

Mengembalikan pegangan simbolis tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static MatrixDiagPartV2 <T> membuat ( Lingkup lingkup, Operan <T> input, Operan <Integer> k, Operan <T> paddingValue)

Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagPartV2 baru.

Parameter
cakupan lingkup saat ini
memasukkan Peringkat tensor `r` di mana `r >= 2`.
k Offset diagonal. Nilai positif berarti superdiagonal, 0 mengacu pada diagonal utama, dan nilai negatif berarti subdiagonal. `k` dapat berupa bilangan bulat tunggal (untuk diagonal tunggal) atau sepasang bilangan bulat yang menentukan ujung rendah dan tinggi pita matriks. `k[0]` tidak boleh lebih besar dari `k[1]`.
nilai padding Nilai untuk mengisi area di luar pita diagonal yang ditentukan. Standarnya adalah 0.
Kembali
  • contoh baru MatrixDiagPartV2

publik Keluaran <T> diagonal ()

Diagonal yang diekstraksi.