tensorflow :: operaciones :: MatrixDiagV2

#include <array_ops.h>

Devuelve un tensor diagonal por lotes con valores diagonales por lotes dados.

Resumen

Devuelve un tensor con el contenido en diagonal como las diagonal k[0] -ésima a k[1] -ésima de una matriz, con todo lo demás relleno con padding . num_rows y num_cols especifican la dimensión de la matriz más interna de la salida. Si no se especifican ambos, la operación asume que la matriz más interna es cuadrada e infiere su tamaño de k y la dimensión más interna de la diagonal . Si solo se especifica uno de ellos, la operación asume que el valor no especificado es el más pequeño posible según otros criterios.

Deje que la diagonal tenga r dimensiones [I, J, ..., L, M, N] . El tensor de salida tiene rango r+1 con forma [I, J, ..., L, M, num_rows, num_cols] cuando solo se da una diagonal ( k es un número entero o k[0] == k[1] ) . De lo contrario, tiene rango r con forma [I, J, ..., L, num_rows, num_cols] .

La segunda dimensión más interna de la diagonal tiene un doble significado. Cuando k es escalar o k[0] == k[1] , M es parte del tamaño del lote [I, J, ..., M] y el tensor de salida es:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, n-max(d_upper, 0)] ; if n - m == d_upper
    output[i, j, ..., l, m, n]                ; otherwise

De lo contrario, M se trata como el número de diagonales de la matriz en el mismo lote ( M = k[1]-k[0]+1 ), y el tensor de salida es:

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, k[1]-d, n-max(d, 0)] ; if d_lower <= d <= d_upper
    input[i, j, ..., l, m, n]                   ; otherwise
donde d = n - m

Por ejemplo:

# 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 band of diagonals.
diagonals = np.array([[[1, 2, 3],  # Input shape: (2, 2, 3)
                       [4, 5, 0]],
                      [[6, 7, 9],
                       [9, 1, 0]]])
tf.matrix_diag(diagonals, k = (-1, 0))
  ==> [[[1, 0, 0],  # Output shape: (2, 3, 3)
        [4, 2, 0],
        [0, 5, 3]],
       [[6, 0, 0],
        [9, 7, 0],
        [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 = 9.
tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding = 9)
  ==> [[9, 9],  # Output shape: (3, 2)
       [1, 9],
       [9, 2]]

Argumentos:

  • alcance: un objeto de alcance
  • diagonal: Rango r , donde r >= 1
  • k: Desplazamiento (s) diagonal (s). El valor positivo significa superdiagonal, 0 se refiere a la diagonal principal y el valor negativo significa subdiagonales. k puede ser un solo entero (para una sola diagonal) o un par de números enteros que especifiquen los extremos bajo y alto de una banda de matriz. k[0] no debe ser mayor que k[1] .
  • num_rows: el número de filas de la matriz de salida. Si no se proporciona, el operador asume que la matriz de salida es una matriz cuadrada e infiere el tamaño de la matriz de k y la dimensión más interna de la diagonal .
  • num_cols: el número de columnas de la matriz de salida. Si no se proporciona, el operador asume que la matriz de salida es una matriz cuadrada e infiere el tamaño de la matriz de k y la dimensión más interna de la diagonal .
  • padding_value: el número con el que llenar el área fuera de la banda diagonal especificada. El valor predeterminado es 0.

Devoluciones:

  • Output : Tiene rango r+1 cuando k es un número entero o k[0] == k[1] , rango r caso contrario.

Constructores y Destructores

MatrixDiagV2 (const :: tensorflow::Scope & scope, :: tensorflow::Input diagonal, :: tensorflow::Input k, :: tensorflow::Input num_rows, :: tensorflow::Input num_cols, :: tensorflow::Input padding_value)

Atributos públicos

operation
output

Funciones publicas

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

Atributos públicos

operación

Operation operation

producción

::tensorflow::Output output

Funciones publicas

MatrixDiagV2

 MatrixDiagV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input diagonal,
  ::tensorflow::Input k,
  ::tensorflow::Input num_rows,
  ::tensorflow::Input num_cols,
  ::tensorflow::Input padding_value
)

nodo

::tensorflow::Node * node() const 

operador :: tensorflow :: Entrada

 operator::tensorflow::Input() const 

operador :: tensorflow :: Salida

 operator::tensorflow::Output() const