جریان تنسور:: عملیات:: MatrixDiagPartV2

#include <array_ops.h>

قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند.

خلاصه

یک تانسور با قطرهای k[0] -th به k[1] -امین input دسته‌ای را برمی‌گرداند.

فرض کنید input دارای ابعاد r [I, J, ..., L, M, N] است. اجازه دهید max_diag_len حداکثر طول در بین تمام قطرهایی باشد که باید استخراج شوند، max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0)) اجازه دهید num_diags تعداد قطرهای به استخراج، num_diags = k[1] - k[0] + 1 .

اگر num_diags == 1 ، تانسور خروجی دارای رتبه r - 1 با شکل [I, J, ..., L, max_diag_len] و مقادیر: 

diagonal[i, j, ..., l, n]
  = input[i, j, ..., l, n+y, n+x] ; when 0 <= n-y < M and 0 <= n-x < N,
    0                             ; otherwise.
 که در آن y = max(-k[1], 0) ، x = max(k[1], 0) .

در غیر این صورت، تانسور خروجی دارای رتبه r با ابعاد [I, J, ..., L, num_diags, max_diag_len] با مقادیر است: 

diagonal[i, j, ..., l, m, n]
  = input[i, j, ..., l, n+y, n+x] ; when 0 <= n-y < M and 0 <= n-x < N,
    0                             ; otherwise.
 که در آن d = k[1] - m ، y = max(-d, 0) و x = max(d, 0) .

ورودی باید حداقل یک ماتریس باشد.

به عنوان مثال: 

input = np.array([[[1, 2, 3, 4],  # Input shape: (2, 3, 4)
                   [5, 6, 7, 8],
                   [9, 8, 7, 6]],
                  [[5, 4, 3, 2],
                   [1, 2, 3, 4],
                   [5, 6, 7, 8]]])

# A main diagonal from each batch.
tf.matrix_diag_part(input) ==> [[1, 6, 7],  # Output shape: (2, 3)
                                [5, 2, 7]]

# A superdiagonal from each batch.
tf.matrix_diag_part(input, k = 1)
  ==> [[2, 7, 6],  # Output shape: (2, 3)
       [4, 3, 8]]

# A tridiagonal band from each batch.
tf.matrix_diag_part(input, k = (-1, 1))
  ==> [[[2, 7, 6],  # Output shape: (2, 3, 3)
        [1, 6, 7],
        [5, 8, 0]],
       [[4, 3, 8],
        [5, 2, 7],
        [1, 6, 0]]]

# Padding = 9
tf.matrix_diag_part(input, k = (1, 3), padding = 9)
  ==> [[[4, 9, 9],  # Output shape: (2, 3, 3)
        [3, 8, 9],
        [2, 7, 6]],
       [[2, 9, 9],
        [3, 4, 9],
        [4, 3, 8]]]

استدلال ها:

  • scope: یک شی Scope
  • ورودی: رتبه r تانسور جایی که r >= 2 .
  • k: افست (های) مورب. مقدار مثبت به معنای ابر قطری، 0 به قطر اصلی و مقدار منفی به معنای قطرهای فرعی است. k می تواند یک عدد صحیح منفرد (برای یک مورب) یا یک جفت اعداد صحیح باشد که انتهای پایین و بالای یک باند ماتریس را مشخص می کند. k[0] نباید بزرگتر از k[1] باشد.
  • padding_value: مقداری که باید ناحیه خارج از نوار مورب مشخص شده را پر کنید. پیش فرض 0 است.

برمی‌گرداند:

  • Output : قطر(های) استخراج شده.

سازندگان و ویرانگرها

MatrixDiagPartV2 (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input k, :: tensorflow::Input padding_value)

صفات عمومی

diagonal
operation

توابع عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

صفات عمومی

مورب 

::tensorflow::Output diagonal

عملیات 

Operation operation

توابع عمومی

MatrixDiagPartV2 

 MatrixDiagPartV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input k,
  ::tensorflow::Input padding_value
)

گره 

::tensorflow::Node * node() const

عملگر::tensorflow::ورودی 

 operator::tensorflow::Input() const

عملگر::tensorflow::خروجی 

 operator::tensorflow::Output() const