MatrixDiagV3

الطبقة النهائية العامة MatrixDiagV3

تُرجع موترًا قطريًا مجمعًا بقيم قطرية مجمعة معينة.

يُرجع موترًا بمحتوياته في "قطري" مثل `k[0]`-th إلى `k[1]`-th قطري للمصفوفة، مع كل شيء آخر مبطن بـ "padding". يحدد `num_rows` و`num_cols` بُعد المصفوفة الأعمق للمخرجات. إذا لم يتم تحديد كليهما، تفترض العملية أن المصفوفة الأعمق مربعة وتستنتج حجمها من `k` والبعد الأعمق لـ `القطري`. إذا تم تحديد واحد منهم فقط، فإن العملية تفترض أن القيمة غير المحددة هي أصغر قيمة ممكنة بناءً على معايير أخرى.

دع "القطري" له أبعاد "r" `[I, J, ..., L, M, N]`. موتر الخرج له رتبة `r+1` بالشكل `[I, J, ..., L, M, num_rows, num_cols]` عندما يتم إعطاء قطري واحد فقط (`k` هو عدد صحيح أو `k[0] == ك[1]`). بخلاف ذلك، يكون لها رتبة `r` بالشكل `[I, J, ..., L, num_rows, num_cols]`.

البعد الثاني الأعمق لـ "القطري" له معنى مزدوج. عندما يكون `k` عدديًا أو `k[0] == k[1]`، يكون `M` جزءًا من حجم الدُفعة [I, J, ..., M]، ويكون موتر الإخراج:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
     padding_value                             ; otherwise
 
بخلاف ذلك، يتم التعامل مع `M` على أنه عدد أقطار المصفوفة في نفس الدفعة (`M = k[1]-k[0]+1`)، وموتر الإخراج هو:
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     padding_value                                     ; otherwise
 
حيث `d = n - m` و`diag_index = [k] - d` و`index_in_diag = n - max(d, 0) + offset`.

"الإزاحة" هي صفر إلا عندما تكون محاذاة القطر إلى اليمين.

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
 
حيث `diag_len(d) = min(cols - max(d, 0),rows + min(d, 0))`.

على سبيل المثال:

# 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]]
 
 

فئات متداخلة

فصل MatrixDiagV3.Options السمات الاختيارية لـ MatrixDiagV3

الأساليب العامة

ثابت MatrixDiagV3.Options
محاذاة (محاذاة السلسلة)
الإخراج <T>
كإخراج ()
إرجاع المقبض الرمزي للموتر.
ثابت <T> MatrixDiagV3 <T>
إنشاء (نطاق النطاق ، المعامل <T> قطري، المعامل <عدد صحيح> k، المعامل <عدد صحيح> numRows، المعامل <عدد صحيح> numCols، المعامل <T> قيمة الحشو، الخيارات... خيارات)
طريقة المصنع لإنشاء فئة تغلف عملية MatrixDiagV3 جديدة.
الإخراج <T>
انتاج ()
لها رتبة `r+1` عندما يكون `k` عددًا صحيحًا أو `k[0] == k[1]`، أو رتبة `r` بخلاف ذلك.

الطرق الموروثة

الأساليب العامة

محاذاة MatrixDiagV3.Options الثابتة العامة (محاذاة السلسلة)

حدود
محاذاة بعض الأقطار أقصر من `max_diag_len` وتحتاج إلى الحشو. `align` عبارة عن سلسلة تحدد كيفية محاذاة الأقطار الفائقة والأقطار الفرعية، على التوالي. هناك أربع محاذاة محتملة: "RIGHT_LEFT" (افتراضي)، و"LEFT_RIGHT"، و"LEFT_LEFT"، و"RIGHT_RIGHT". يقوم "RIGHT_LEFT" بمحاذاة الأقطار الفائقة إلى اليمين (وسادات الصف اليسرى) والأقطار الفرعية إلى اليسار (وسادات الصف اليمنى). إنه تنسيق التعبئة الذي يستخدمه LAPACK. يستخدم cuSPARSE "LEFT_RIGHT"، وهو المحاذاة المعاكسة.

الإخراج العام <T> كإخراج ()

إرجاع المقبض الرمزي للموتر.

المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.

إنشاء MatrixDiagV3 <T> ثابت عام ( نطاق النطاق ، المعامل <T> قطري، المعامل <Integer> k، المعامل <Integer> numRows، المعامل <Integer> numCols، المعامل <T> paddingValue، خيارات... خيارات)

طريقة المصنع لإنشاء فئة تغلف عملية MatrixDiagV3 جديدة.

حدود
نِطَاق النطاق الحالي
قطري الرتبة `r`، حيث `r >= 1`
ك الإزاحة القطرية. القيمة الموجبة تعني القطر الفائق، 0 تشير إلى القطر الرئيسي، والقيمة السالبة تعني الأقطار الفرعية. يمكن أن يكون `k` عددًا صحيحًا واحدًا (لقطر واحد) أو زوجًا من الأعداد الصحيحة التي تحدد الأطراف المنخفضة والعالية لنطاق المصفوفة. يجب ألا يكون `k[0]` أكبر من `k[1]`.
numRows عدد صفوف مصفوفة الإخراج. إذا لم يتم توفيره، فإن العملية تفترض أن مصفوفة الإخراج هي مصفوفة مربعة وتستنتج حجم المصفوفة من k والبعد الأعمق لـ "قطري".
numCols عدد أعمدة مصفوفة الإخراج. إذا لم يتم توفيره، فإن العملية تفترض أن مصفوفة الإخراج هي مصفوفة مربعة وتستنتج حجم المصفوفة من k والبعد الأعمق لـ "قطري".
قيمة الحشو الرقم المراد ملء المنطقة خارج النطاق القطري المحدد به. الافتراضي هو 0.
خيارات يحمل قيم السمات الاختيارية
عائدات
  • مثيل جديد من MatrixDiagV3

الإخراج العام <T> الإخراج ()

لها رتبة `r+1` عندما يكون `k` عددًا صحيحًا أو `k[0] == k[1]`، أو رتبة `r` بخلاف ذلك.