אזהרה: API זו ברמה נמוכה יוסרה בגרסה עתידית של TensorFlow לאחר ההחלפה יציבה.

MatrixDiagV3

MatrixDiagV3 המעמד הסופי הציבור

מחזירה טנזור אלכסוני אצווה עם ערכי אלכסון אצווה נתונים.

מחזירה טנזור עם התוכן ב-`אלכסון` כאלכסוני `k[0]`-th עד `k[1]`-th של מטריצה, כאשר כל השאר מרופד ב-`padding`. `num_rows` ו-`num_cols` מציינים את הממד של המטריצה ​​הפנימית ביותר של הפלט. אם שניהם לא מצוינים, האופ מניח שהמטריקס הפנימי ביותר הוא מרובע ומסיק את גודלה מ-'k' והממד הפנימי ביותר של 'אלכסון'. אם רק אחד מהם צוין, ה-op מניח שהערך הלא מוגדר הוא הקטן ביותר האפשרי בהתבסס על קריטריונים אחרים.

תן ל-`אלכסון` להיות ממדי `r` `[I, J, ..., L, M, N]`. לטנזור הפלט יש דרגה 'r+1' עם הצורה '[I, J, ..., L, M, num_rows, num_cols]' כאשר ניתן רק אלכסון אחד ('k' הוא מספר שלם או 'k[0] == k[1]`). אחרת, יש לו דירוג `r` עם הצורה `[I, J, ..., L, num_rows, num_cols]`.

למימד השני הפנימי ביותר של `אלכסון` יש משמעות כפולה. כאשר `k` הוא סקלר או` k [0] == k [1] ',' 'm היא חלק גודל אצווה [I, J, ..., M], ואת מותח הפלט הוא:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
     padding_value                             ; otherwise
 
אחרת, `m` היא כאל מספר האלכסונים עבור המטריצה באותה אצווה (` M = k [1] -k [0] + 1`), ואת מותח הפלט הוא:
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     padding_value                                     ; otherwise
 
שבו 'ד = n - m`, `diag_index = [k] - d`, ו-`index_in_diag = n - max(d, 0) + offset`.

'היסט' הוא אפס למעט כאשר היישור של האלכסון הוא ימינה.

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
 }
שבו 'diag_len (ד) = min (cols - מקסימום (ד, 0), שורות + דק' (ד, 0)) '.

לדוגמה:

# 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]]
 
 

כיתות מקוננות

מעמד MatrixDiagV3.Options מאפיינים אופציונליים עבור MatrixDiagV3

שיטות ציבוריות

סטטי MatrixDiagV3.Options
align (align מחרוזת)
פלט <T>
asOutput ()
מחזירה את הידית הסמלית של טנזור.
סטטי <T> MatrixDiagV3 <T>
ליצור ( היקף היקף, האופרנד <T> אלכסוני, האופרנד <Integer> k, האופרנד <Integer> numRows, האופרנד <Integer> numCols, האופרנד <T> paddingValue, אפשרויות ... אופציות)
שיטת מפעל ליצירת מחלקה העוטפת פעולת MatrixDiagV3 חדשה.
פלט <T>
פלט ()
יש דרגה `r+1` כאשר `k` הוא מספר שלם או `k[0] == k[1]`, דרגה `r` אחרת.

שיטות בירושה

שיטות ציבוריות

סטטי הציבור MatrixDiagV3.Options align (align מחרוזת)

פרמטרים
ליישר חלק מהאלכסונים קצרים מ-'max_diag_len' וצריכים להיות מרופדים. `align` הוא מחרוזת המציינת כיצד יש ליישר אלכסוני-על ותת-אלכסונים, בהתאמה. ישנם ארבעה יישורים אפשריים: "RIGHT_LEFT" (ברירת מחדל), "LEFT_RIGHT", "LEFT_LEFT" ו-"RIGHT_RIGHT". "RIGHT_LEFT" מיישר את אלכסוני העל לימין (מכפיל את השורה משמאל) ואת אלכסוני המשנה לשמאל (מכפיל את השורה מימין). זוהי פורמט האריזה שבה משתמש LAPACK. cuSPARSE משתמש ב-"LEFT_RIGHT", שהוא היישור ההפוך.

הציבור פלט <T> asOutput ()

מחזירה את הידית הסמלית של טנזור.

כניסות לפעולות TensorFlow הן פלט של פעולת TensorFlow אחרת. שיטה זו משמשת לקבלת ידית סמלית המייצגת את חישוב הקלט.

הציבור סטטי MatrixDiagV3 <T> ליצור ( היקף היקף, האופרנד <T> אלכסוני, האופרנד <Integer> k, האופרנד <Integer> numRows, האופרנד <Integer> numCols, האופרנד <T> paddingValue, אפשרויות ... אופציות)

שיטת מפעל ליצירת מחלקה העוטפת פעולת MatrixDiagV3 חדשה.

פרמטרים
תְחוּם ההיקף הנוכחי
אֲלַכסוֹנִי דירוג `r`, כאשר `r >= 1`
ק היסט אלכסוני(ים). ערך חיובי פירושו על-אלכסון, 0 מתייחס לאלכסון הראשי, וערך שלילי פירושו תת-אלכסונים. `k` יכול להיות מספר שלם בודד (עבור אלכסון בודד) או זוג מספרים שלמים המציינים את הקצוות הנמוכים והגבוהים של פס מטריצה. 'k[0]' לא יכול להיות גדול מ-'k[1]'.
numRows מספר השורות של מטריצת הפלט. אם זה לא מסופק, ה-op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומסיק את גודל המטריצה ​​מ-k ומהמימד הפנימי ביותר של 'אלכסון'.
numCols מספר העמודות של מטריצת הפלט. אם זה לא מסופק, ה-op מניח שמטריצת הפלט היא מטריצה ​​מרובעת ומסיק את גודל המטריצה ​​מ-k ומהמימד הפנימי ביותר של 'אלכסון'.
paddingValue המספר שיש למלא איתו את השטח שמחוץ לפס האלכסוני שצוין. ברירת המחדל היא 0.
אפשרויות נושא ערכי תכונות אופציונליות
החזרות
  • מופע חדש של MatrixDiagV3

הציבור פלט <T> פלט ()

יש דרגה `r+1` כאשר `k` הוא מספר שלם או `k[0] == k[1]`, דרגה `r` אחרת.