새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다.
'input' 및 'diagonal'이 주어지면 이 연산은 가장 안쪽 행렬의 지정된 대각선을 제외하고 'input'과 동일한 모양과 값을 가진 텐서를 반환합니다. 이는 `대각선`의 값으로 덮어쓰여집니다.
`입력`에는 `r+1` 차원 `[I, J, ..., L, M, N]`이 있습니다. `k`가 스칼라이거나 `k[0] == k[1]`인 경우 `대각선`은 `r` 차원 `[I, J, ..., L, max_diag_len]`을 갖습니다. 그렇지 않으면 `r+1` 치수 `[I, J, ..., L, num_diags, max_diag_len]`을 갖습니다. `num_diags`는 대각선 수, `num_diags = k[1] - k[0] + 1`입니다. `max_diag_len`은 `[k[0], k[1]]`, `max_diag_len = min(M + min(k[1], 0), N + min(-k[0]) 범위에서 가장 긴 대각선입니다. , 0))`
출력은 `[I, J, ..., L, M, N]` 차원을 갖는 `k+1` 순위의 텐서입니다. `k`가 스칼라이거나 `k[0] == k[1]`인 경우:
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
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
'오프셋'은 대각선 정렬이 오른쪽인 경우를 제외하고는 0입니다.
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
}예를 들어:
# 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(input, 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(input, 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([[[0, 9, 1], # Diagonal shape: (2, 4, 3)
[6, 5, 8],
[1, 2, 3],
[4, 5, 0]],
[[0, 1, 2],
[5, 6, 4],
[6, 1, 2],
[3, 4, 0]]])
tf.matrix_set_diag(input, diagonals, k = (-1, 2))
==> [[[1, 6, 9, 7], # Output shape: (2, 3, 4)
[4, 2, 5, 1],
[7, 5, 3, 8]],
[[6, 5, 1, 7],
[3, 1, 6, 2],
[7, 4, 2, 4]]]
# LEFT_RIGHT alignment.
diagonals = np.array([[[9, 1, 0], # Diagonal shape: (2, 4, 3)
[6, 5, 8],
[1, 2, 3],
[0, 4, 5]],
[[1, 2, 0],
[5, 6, 4],
[6, 1, 2],
[0, 3, 4]]])
tf.matrix_set_diag(input, diagonals, k = (-1, 2), align="LEFT_RIGHT")
==> [[[1, 6, 9, 7], # Output shape: (2, 3, 4)
[4, 2, 5, 1],
[7, 5, 3, 8]],
[[6, 5, 1, 7],
[3, 1, 6, 2],
[7, 4, 2, 4]]]
중첩 클래스
| 수업 | MatrixSetDiag.Options | MatrixSetDiag 의 선택적 속성 | |
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 정적 MatrixSetDiag.Options | align (문자열 정렬) |
| 출력 <T> | 출력 () 텐서의 기호 핸들을 반환합니다. |
| static <T는 TType을 확장합니다. > MatrixSetDiag <T> | |
| 출력 <T> | 출력 () `output.shape = input.shape`를 사용하여 `r+1` 순위를 지정합니다. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
공개 방법
public static MatrixSetDiag.Options 정렬 (문자열 정렬)
매개변수
| 맞추다 | 일부 대각선은 `max_diag_len`보다 짧으므로 패딩이 필요합니다. `align`은 상부 대각선과 하부 대각선이 각각 어떻게 정렬되어야 하는지를 지정하는 문자열입니다. 가능한 정렬은 "RIGHT_LEFT"(기본값), "LEFT_RIGHT", "LEFT_LEFT" 및 "RIGHT_RIGHT"의 네 가지입니다. "RIGHT_LEFT"는 위쪽 대각선을 오른쪽(행 왼쪽 채우기)으로 정렬하고 하위 대각선을 왼쪽(행 오른쪽 채우기)으로 정렬합니다. LAPACK이 사용하는 패킹 형식입니다. cuSPARSE는 반대 정렬인 "LEFT_RIGHT"를 사용합니다. |
|---|
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
공개 정적 MatrixSetDiag <T> 생성 ( 범위 범위, 피연산자 <T> 입력, 피연산자 <T> 대각선, 피연산자 < TInt32 > k, 옵션... 옵션)
새로운 MatrixSetDiag 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 입력 | `r+1` 순위, 여기서 `r >= 1`. |
| 대각선 | `k`가 정수이거나 `k[0] == k[1]`인 경우 `r` 순위를 지정합니다. 그렇지 않으면 'r+1' 순위를 갖습니다. `k >= 1`. |
| 케이 | 대각선 오프셋. 양수 값은 상부 대각선, 0은 주 대각선, 음수 값은 하부 대각선을 의미합니다. 'k'는 단일 정수(단일 대각선의 경우)이거나 매트릭스 밴드의 최저 및 최고 끝을 지정하는 정수 쌍일 수 있습니다. `k[0]`은 `k[1]`보다 클 수 없습니다. |
| 옵션 | 선택적 속성 값을 전달합니다. |
보고
- MatrixSetDiag의 새 인스턴스