텐서플로우:: 작전:: MatrixDiagV2
#include <array_ops.h>주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.
요약
행렬의 k[0] 번째 대각선부터 k[1] 번째 대각선까지의 diagonal 내용을 가진 텐서를 반환하며, 그 밖의 모든 항목은 padding 으로 채워집니다. num_rows 및 num_cols 출력의 가장 안쪽 행렬의 차원을 지정합니다. 둘 다 지정되지 않은 경우 op는 가장 안쪽 행렬이 정사각형이라고 가정하고 k 와 diagonal 의 가장 안쪽 차원에서 크기를 추론합니다. 그 중 하나만 지정된 경우 작업은 지정되지 않은 값이 다른 기준에 따라 가능한 가장 작은 값이라고 가정합니다.
diagonal r 차원 [I, J, ..., L, M, N] 이 있다고 가정합니다. 출력 텐서는 대각선이 하나만 주어지면 [I, J, ..., L, M, num_rows, num_cols] 모양의 순위 r+1 을 갖습니다( k 는 정수이거나 k[0] == k[1] . 그렇지 않으면 [I, J, ..., L, num_rows, num_cols] 모양의 순위 r 갖습니다.
diagonal 의 가장 안쪽 두 번째 차원은 이중 의미를 갖습니다. k 가 스칼라이거나 k[0] == k[1] 인 경우 M 은 배치 크기 [I, J, ..., M]의 일부이고 출력 텐서는 다음과 같습니다.
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
그렇지 않으면 M 동일한 배치( M = k[1]-k[0]+1 )에 있는 행렬의 대각선 수로 처리되며 출력 텐서는 다음과 같습니다.
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
여기서 d = n - m예를 들어:
# 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]]
인수:
- 범위: 범위 개체
- 대각선: 순위
r, 여기서r >= 1 - k: 대각선 오프셋. 양수 값은 상부 대각선, 0은 주 대각선, 음수 값은 하부 대각선을 의미합니다.
k단일 정수(단일 대각선에 대한)이거나 행렬 대역의 낮은 끝과 높은 끝을 지정하는 정수 쌍일 수 있습니다.k[0]k[1]보다 클 수 없습니다. - num_rows: 출력 행렬의 행 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k 및
diagonal의 가장 안쪽 차원에서 행렬 크기를 추론합니다. - num_cols: 출력 행렬의 열 수입니다. 제공되지 않은 경우 연산은 출력 행렬이 정사각 행렬이라고 가정하고 k 및
diagonal의 가장 안쪽 차원에서 행렬 크기를 추론합니다. - padding_value : 지정된 대각선 바깥 부분을 채울 숫자입니다. 기본값은 0입니다.
보고:
-
Output:k정수이거나k[0] == k[1]이면 순위r+1가지며, 그렇지 않으면 순위r갖습니다.
생성자와 소멸자 | |
|---|---|
MatrixDiagV2 (const :: tensorflow::Scope & scope, :: tensorflow::Input diagonal, :: tensorflow::Input k, :: tensorflow::Input num_rows, :: tensorflow::Input num_cols, :: tensorflow::Input padding_value) |
공개 속성 | |
|---|---|
operation | |
output | |
공공 기능 | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
공개 속성
작업
Operation operation
산출
::tensorflow::Output output
공공 기능
MatrixDiagV2
MatrixDiagV2( const ::tensorflow::Scope & scope, ::tensorflow::Input diagonal, ::tensorflow::Input k, ::tensorflow::Input num_rows, ::tensorflow::Input num_cols, ::tensorflow::Input padding_value )
마디
::tensorflow::Node * node() const
연산자::텐서플로우::입력
operator::tensorflow::Input() const
연산자::텐서플로우::출력
operator::tensorflow::Output() const