tensor akışı:: işlem:: MatrixSetDiagV2

#include <array_ops.h>

Yeni toplu çapraz değerlere sahip toplu matris tensörünü döndürür.

Özet

input ve diagonal verildiğinde, bu işlem, en içteki matrislerin belirtilen köşegenleri dışında, input ile aynı şekil ve değerlere sahip bir tensör döndürür. Bunların üzerine diagonal değerler yazılacaktır.

input r+1 boyutu vardır [I, J, ..., L, M, N] . k skaler olduğunda veya k[0] == k[1] olduğunda, diagonal r boyutlara sahiptir [I, J, ..., L, max_diag_len] . Aksi takdirde, r+1 boyutları vardır [I, J, ..., L, num_diags, max_diag_len] . num_diags köşegenlerin sayısıdır, num_diags = k[1] - k[0] + 1 . max_diag_len [k[0], k[1]] aralığındaki en uzun köşegendir max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))

Çıkış [I, J, ..., L, M, N] boyutlarına sahip k+1 dereceli bir tensördür. Eğer k skaler veya k[0] == k[1] :

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, n-max(k[1], 0)] ; if n - m == k[1]
    output[i, j, ..., l, m, n]             ; otherwise

Aksi takdirde,

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

burada d = n - m

Örneğin:

# 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_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_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_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]]]

  

  
Arguments:

      
scope: A Scope object

      
input: Rank r+1, where r >= 1.

      
diagonal: Rank r when k is an integer or k[0] == k[1]. Otherwise, it has rank r+1. k >= 1.

      
k: Diagonal offset(s). Positive value means superdiagonal, 0 refers to the main diagonal, and negative value means subdiagonals. k can be a single integer (for a single diagonal) or a pair of integers specifying the low and high ends of a matrix band. k[0] must not be larger than k[1].

    

  
Returns:

      
Output: Rank r+1, with output.shape = input.shape. 

    

  
    
      
    
    
      
    
  

        
Constructors and Destructors

      

        MatrixSetDiagV2(const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input diagonal, ::tensorflow::Input k)
        

      

  
    
      
    
    
      
      
    
    
      
      
    
  

        
Public attributes

      

        operation
      

        

          Operation
        

      

        output
      

        

          ::tensorflow::Output
        

      

  
    
      
    
    
      
      
    
    
      
      
    
    
      
      
    
  

        
Public functions

      

        node() const 
      

        

          ::tensorflow::Node *
        

      

        operator::tensorflow::Input() const 
      

        

          
        

      

        operator::tensorflow::Output() const 
      

        

          
        

      

  
Public attributes

  

    
operation

    
 çıktı 
 
 Kamu işlevleri 
 MatrixSetDiagV2 
 
 düğüm 
 
 operatör::tensorflow::Giriş 
 
 operatör::tensorflow::Çıktı