MatrixDiagV2

public class akhir MatrixDiagV2

Mengembalikan tensor diagonal batch dengan nilai diagonal batch yang diberikan.

Mengembalikan tensor dengan konten dalam `diagonal` sebagai `k[0]`-th ke `k[1]`-th diagonal matriks, dengan segala sesuatu yang lain diisi dengan `padding`. `num_rows` dan `num_cols` menentukan dimensi matriks terdalam dari output. Jika keduanya tidak ditentukan, op mengasumsikan matriks terdalam adalah persegi dan menyimpulkan ukurannya dari `k` dan dimensi terdalam dari `diagonal`. Jika hanya satu yang ditentukan, op mengasumsikan nilai yang tidak ditentukan adalah yang terkecil yang mungkin berdasarkan kriteria lainnya.

Misalkan `diagonal` memiliki dimensi `r` `[I, J, ..., L, M, N]`. Tensor keluaran memiliki rank `r+1` dengan bentuk `[I, J, ..., L, M, num_rows, num_cols]` ketika hanya satu diagonal yang diberikan (`k` adalah bilangan bulat atau `k[0] == k[1]`). Jika tidak, ia memiliki peringkat `r` dengan bentuk `[I, J, ..., L, num_rows, num_cols]`.

Dimensi terdalam kedua dari `diagonal` memiliki makna ganda. Ketika `k` adalah skalar atau` k [0] == k [1] `,` m` merupakan bagian dari ukuran bets [I, J, ..., M], dan output tensor adalah:

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

Jika tidak, `m` diperlakukan sebagai jumlah diagonal untuk matriks dalam batch yang sama (` M = k [1] -k [0] + 1`), dan output tensor adalah:

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

mana `d = n - m`, `diag_index = k[1] - d`, dan `index_in_diag = n - max(d, 0)`.

Sebagai contoh:

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

Metode Publik

Output <T>	asOutput () Mengembalikan pegangan simbolis tensor.
statis <T> MatrixDiagV2 <T>	membuat ( Lingkup lingkup, Operan <T> diagonal, Operan <Integer> k, Operan <Integer> numRows, Operan <Integer> numCols, Operan <T> paddingValue) Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagV2 baru.
Output <T>	Output () Memiliki peringkat `r+1` ketika `k` adalah bilangan bulat atau `k[0] == k[1]`, peringkat `r` jika tidak.

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (Object obj)
akhir	hashCode ()
Operasi	op () Mengembalikan mendasari Operation
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Dari antarmuka org.tensorflow.Operand

abstrak Keluaran <T>

asOutput () Mengembalikan pegangan simbolis tensor.

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 MatrixDiagV2 <T> membuat ( Lingkup lingkup, Operan <T> diagonal, Operan <Integer> k, Operan <Integer> numRows, Operan <Integer> numCols, Operan <T> paddingValue)

Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagV2 baru.

Parameter

cakupan	lingkup saat ini
diagonal	Peringkat `r`, di mana `r >= 1`
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]`.
jumlahBaris	Jumlah baris matriks keluaran. Jika tidak tersedia, op mengasumsikan matriks keluaran adalah matriks persegi dan menyimpulkan ukuran matriks dari k dan dimensi terdalam dari `diagonal`.
jumlahKol	Jumlah kolom dari matriks keluaran. Jika tidak tersedia, op mengasumsikan matriks keluaran adalah matriks persegi dan menyimpulkan ukuran matriks dari k dan dimensi terdalam dari `diagonal`.
nilai padding	Angka untuk mengisi area di luar pita diagonal yang ditentukan. Standarnya adalah 0.

Kembali

• contoh baru MatrixDiagV2

publik Keluaran <T> Output ()

Memiliki peringkat `r+1` ketika `k` adalah bilangan bulat atau `k[0] == k[1]`, peringkat `r` jika tidak.