Python tf.raw_ops.MatrixDiagV3用法及代碼示例

返回具有給定成批對角線值的成批對角線張量。

用法

tf.raw_ops.MatrixDiagV3(
    diagonal, k, num_rows, num_cols, padding_value, align='RIGHT_LEFT',
    name=None
)

返回一個張量，其中 diagonal 中的內容作為矩陣的 k[0] -th 到 k[1] -th 對角線，其他所有內容都用 padding 填充。 num_rows 和 num_cols 指定輸出的最內層矩陣的維度。如果兩者都未指定，則操作假定最內層矩陣是正方形並從 k 和 diagonal 的最內層維度推斷其大小。如果僅指定其中一個，則操作假定未指定的值是基於其他標準的最小可能值。

讓 diagonal 具有 r 尺寸 [I, J, ..., L, M, N] 。當隻給出一個對角線時(k 是整數或 k[0] == k[1])，輸出張量的秩為 r+1，形狀為 [I, J, ..., L, M, num_rows, num_cols]。否則，它的排名為 r ，形狀為 [I, J, ..., L, num_rows, num_cols] 。

diagonal 的第二個最裏麵的維度具有雙重含義。當k 是標量或k[0] == k[1] , M 是批量大小[I, J, ..., M] 的一部分時，輸出張量為：

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

否則，M 被視為同一批次(M = k[1]-k[0]+1)中矩陣的對角行數，輸出張量為：

output[i, j, ..., l, m, n]
  = diagonal[i, j, ..., l, diag_index, index_in_diag] ; if k[0] <= d <= k[1]
    padding_value                                     ; otherwise

其中 d = n - m , diag_index = [k] - d 和 index_in_diag = n - max(d, 0) + offset 。

offset 為零，除非對角線對齊在右側。

offset = max_diag_len - diag_len(d) ; if (`align` in {RIGHT_LEFT, RIGHT_RIGHT}
                                           and `d >= 0`) or
                                         (`align` in {LEFT_RIGHT, RIGHT_RIGHT}
                                           and `d <= 0`)
         0                          ; otherwise

其中diag_len(d) = min(cols - max(d, 0), rows + min(d, 0)).

例如：

# 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 tridiagonal band (per batch).
diagonals = np.array([[[0, 8, 9],  # Input shape:(2, 2, 3)
                       [1, 2, 3],
                       [4, 5, 0]],
                      [[0, 2, 3],
                       [6, 7, 9],
                       [9, 1, 0]]])
tf.matrix_diag(diagonals, k = (-1, 1))
  ==> [[[1, 8, 0],  # Output shape:(2, 3, 3)
        [4, 2, 9],
        [0, 5, 3]],
       [[6, 2, 0],
        [9, 7, 3],
        [0, 1, 9]]]

# LEFT_RIGHT alignment.
diagonals = np.array([[[8, 9, 0],  # Input shape:(2, 2, 3)
                       [1, 2, 3],
                       [0, 4, 5]],
                      [[2, 3, 0],
                       [6, 7, 9],
                       [0, 9, 1]]])
tf.matrix_diag(diagonals, k = (-1, 1), align="LEFT_RIGHT")
  ==> [[[1, 8, 0],  # Output shape:(2, 3, 3)
        [4, 2, 9],
        [0, 5, 3]],
       [[6, 2, 0],
        [9, 7, 3],
        [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_value = 9.
tf.matrix_diag(diagonal, k = -1, num_rows = 3, padding_value = 9)
  ==> [[9, 9],  # Output shape:(3, 2)
       [1, 9],
       [9, 2]]