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

MatrixSetDiagV2

public class akhir MatrixSetDiagV2

Mengembalikan tensor matriks batch dengan nilai diagonal batch baru.

Mengingat `input` dan `diagonal`, operasi ini mengembalikan tensor dengan bentuk dan nilai yang sama dengan `input`, kecuali untuk diagonal tertentu dari matriks terdalam. Ini akan ditimpa oleh nilai dalam `diagonal`.

`input` memiliki dimensi `r+1` `[I, J, ..., L, M, N]`. Ketika `k` adalah skalar atau `k[0] == k[1]`, `diagonal` memiliki dimensi `r` `[I, J, ..., L, max_diag_len]`. Jika tidak, ia memiliki dimensi `r+1` `[I, J, ..., L, num_diags, max_diag_len]`. `num_diags` adalah jumlah diagonal, `num_diags = k[1] - k[0] + 1`. `max_diag_len` adalah diagonal terpanjang dalam rentang `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0] , 0))`

Outputnya adalah tensor rank `k+1` dengan dimensi `[I, J, ..., L, M, N]`. Jika `k` adalah skalar atau` k [0] == k [1] `:

output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
     input[i, j, ..., l, m, n]              ; otherwise
 
Jika tidak,
output[i, j, ..., l, m, n]
   = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
     input[i, j, ..., l, m, n]                         ; otherwise
 
mana` d = n - m`, `diag_index = k [1] - d`, dan` index_in_diag = n - maks(d, 0)`.

Sebagai contoh:

# The main diagonal.
 input = np.array([[[7, 7, 7, 7],              # Input shape: (2, 3, 4)
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]],
                   [[7, 7, 7, 7],
                    [7, 7, 7, 7],
                    [7, 7, 7, 7]]])
 diagonal = np.array([[1, 2, 3],               # Diagonal shape: (2, 3)
                      [4, 5, 6]])
 tf.matrix_set_diag(diagonal) ==> [[[1, 7, 7, 7],  # Output shape: (2, 3, 4)
                                    [7, 2, 7, 7],
                                    [7, 7, 3, 7]],
                                   [[4, 7, 7, 7],
                                    [7, 5, 7, 7],
                                    [7, 7, 6, 7]]]
 
 # A superdiagonal (per batch).
 tf.matrix_set_diag(diagonal, k = 1)
   ==> [[[7, 1, 7, 7],  # Output shape: (2, 3, 4)
         [7, 7, 2, 7],
         [7, 7, 7, 3]],
        [[7, 4, 7, 7],
         [7, 7, 5, 7],
         [7, 7, 7, 6]]]
 
 # A band of diagonals.
 diagonals = np.array([[[1, 2, 3],  # Diagonal shape: (2, 2, 3)
                        [4, 5, 0]],
                       [[6, 1, 2],
                        [3, 4, 0]]])
 tf.matrix_set_diag(diagonals, k = (-1, 0))
   ==> [[[1, 7, 7, 7],  # Output shape: (2, 3, 4)
         [4, 2, 7, 7],
         [0, 5, 3, 7]],
        [[6, 7, 7, 7],
         [3, 1, 7, 7],
         [7, 4, 2, 7]]]
 
 

Metode Publik

Output <T>
asOutput ()
Mengembalikan pegangan simbolis tensor.
statis <T> MatrixSetDiagV2 <T>
membuat ( Lingkup lingkup, Operan <T> input, Operan <T> diagonal, Operan <Integer> k)
Metode pabrik untuk membuat kelas yang membungkus operasi MatrixSetDiagV2 baru.
Output <T>
Output ()
Peringkat `r+1`, dengan `output.shape = input.shape`.

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 MatrixSetDiagV2 <T> membuat ( Lingkup lingkup, Operan <T> input, Operan <T> diagonal, Operan <Integer> k)

Metode pabrik untuk membuat kelas yang membungkus operasi MatrixSetDiagV2 baru.

Parameter
cakupan lingkup saat ini
memasukkan Peringkat `r+1`, di mana `r >= 1`.
diagonal Peringkat `r` ketika `k` adalah bilangan bulat atau `k[0] == k[1]`. Jika tidak, ia memiliki peringkat `r+1`. `k >= 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]`.
Kembali
  • contoh baru MatrixSetDiagV2

publik Keluaran <T> Output ()

Peringkat `r+1`, dengan `output.shape = input.shape`.