tensorflow::ops::MatrixSetDiagV2

#include <array_ops.h>

Возвращает пакетный тензор матрицы с новыми пакетными диагональными значениями.

Краткое описание

Учитывая input и diagonal, данная операция возвращает тензор с той же формой и значениями, что и input, за исключением указанных диагоналей во внутренних матрицах. Они будут перезаписаны значениями из diagonal.

input имеет r+1 измерения [I, J, ..., L, M, N]. Когда k является скаляром или k[0] == k[1], diagonal имеет r измерения [I, J, ..., L, max_diag_len]. В противном случае, она имеет r+1 измерения [I, J, ..., L, num_diags, max_diag_len]. num_diags — это количество диагоналей, num_diags = k[1] - k[0] + 1. max_diag_len — это самая длинная диагональ в диапазоне [k[0], k[1]], max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0))

Результат — это тензор ранга k+1 с измерениями [I, J, ..., L, M, N]. Если k является скаляром или 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

В противном случае,

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

где

d = n - m

Например:

# 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: Объект Scope
• input: Ранг r+1, где r >= 1.
• diagonal: Ранг r когда k — целое число или k[0] == k[1]. В противном случае, имеет ранг r+1. k >= 1.
• k: Смещение диагонали. Положительное значение означает сверхдиагональ, 0 — главную диагональ, а отрицательное значение — поддиагонали. k может быть одним целым числом (для одной диагонали) или парой целых чисел, определяющих низкий и высокий концы полосы матрицы. k[0] не должно быть больше k[1].

Возвращает:

• Output: Ранг r+1, с output.shape = input.shape.

Публичные атрибуты

Operation operation

::tensorflow::Output output

Публичные функции

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

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const