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
output[i, j, ..., l, m, n]
= diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
padding_value ; otherwise
`offset` adalah nol kecuali jika penjajaran diagonal ke kanan.
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
}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 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]]
Kelas Bersarang
| kelas | MatrixDiagV3.Options | Atribut opsional untuk MatrixDiagV3 | |
Metode Publik
| statis MatrixDiagV3.Options | menyelaraskan (String menyelaraskan) |
| Output <T> | asOutput () Mengembalikan pegangan simbolis tensor. |
| statis <T> MatrixDiagV3 <T> | |
| Output <T> | Output () Memiliki peringkat `r+1` ketika `k` adalah bilangan bulat atau `k[0] == k[1]`, peringkat `r` jika tidak. |
Metode yang Diwarisi
Metode Publik
public static MatrixDiagV3.Options menyelaraskan (String menyelaraskan)
Parameter
| meluruskan | Beberapa diagonal lebih pendek dari `max_diag_len` dan perlu diberi bantalan. `align` adalah string yang menentukan bagaimana superdiagonal dan subdiagonal harus disejajarkan, masing-masing. Ada empat kemungkinan penyelarasan: "RIGHT_LEFT" (default), "LEFT_RIGHT", "LEFT_LEFT", dan "RIGHT_RIGHT". "RIGHT_LEFT" menyejajarkan superdiagonal ke kanan (mengisi kiri baris) dan subdiagonal ke kiri (mengisi baris kanan). Ini adalah format kemasan yang digunakan LAPACK. cuSPARSE menggunakan "LEFT_RIGHT", yang merupakan kesejajaran yang berlawanan. |
|---|
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 MatrixDiagV3 <T> membuat ( Lingkup lingkup, Operan <T> diagonal, Operan <Integer> k, Operan <Integer> numRows, Operan <Integer> numCols, Operan <T> paddingValue, Options ... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi MatrixDiagV3 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. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru MatrixDiagV3
publik Keluaran <T> Output ()
Memiliki peringkat `r+1` ketika `k` adalah bilangan bulat atau `k[0] == k[1]`, peringkat `r` jika tidak.