tf.linalg.diag_part

Возвращает диагональную часть пакетного тензора.

tf.linalg.diag_part(
    input, name='diag_part', k=0, padding_value=0
)

Возвращает тензор с k[0]-ой по k[1]-ую диагонали пакетного input.

Предположим, что input имеет r измерения [I, J, ..., L, M, N]. Пусть max_diag_len — максимальная длина среди всех диагоналей, которые необходимо извлечь, max_diag_len = min(M + min(k[1], 0), N + min(-k[0], 0)). Пусть num_diags — количество диагоналей для извлечения, num_diags = k[1] - k[0] + 1.

Если num_diags == 1, тензор вывода имеет ранг r - 1 с формой [I, J, ..., L, max_diag_len] и значениями:

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.

где y = max(-k[1], 0), x = max(k[1], 0).

В противном случае тензор вывода имеет ранг r с измерениями [I, J, ..., L, num_diags, max_diag_len] со значениями:

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.

где d = k[1] - m, y = max(-d, 0), и x = max(d, 0).

Вход должен быть по крайней мере матрицей.

Например:

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]]]