mindspore.ops.matrix_set_diag ============================= .. py:function:: mindspore.ops.matrix_set_diag(x, diagonal, k=0, align="RIGHT_LEFT") 返回具有新的对角线值的批处理矩阵Tensor。 给定输入 `x` 和对角线 `diagonal` ,此操作返回与 `x` 具有相同形状和值的张量,但返回的张量除开最内层矩阵的对角线。这些值将被对角线中的值覆盖。如果某些对角线比 `max_diag_len` 短,则需要被填充。 其中 `max_diag_len` 指的是对角线的最长长度。 `diagonal` 的维度 :math:`shape[-2]` 必须等于对角线个数 `num_diags` :math:`k[1] - k[0] + 1`, `diagonal` 的维度 :math:`shape[-1]` 必须 等于最长对角线值 `max_diag_len` :math:`min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))` 。 设 `x` 具有 `r + 1` 维 :math:`[I, J, ..., L, M, N]` 。当 `k` 是整数或 :math:`k[0] == k[1]` 时,对角线 `diagonal` 具有形状 为 :math:`[I, J, ..., L, max\_diag\_len]` 。否则,它具有形状为 :math:`[I, J, ... L, num\_diags, max\_diag\_len]` 。 参数: - **x** (Tensor) - 输入Tensor,其维度为 `r+1` 需要满足 `r >=1` 。 - **diagonal** (Tensor) - 输入对角线Tensor,具有与 `x` 相同的数据类型。当 `k` 是整数或 :math:`k[0] == k[1]` 时,其为维度 `r` ,否则,其维度 `r + 1` 。 - **k** (Union[int, Tensor], 可选) - int32常量或int32类型Tensor。对角线偏移。正值表示超对角线,0表示主对角线,负值表示次对角线。k可以是单个整数(对于单个对角线)或一对整数,指定矩阵带的上界和下界,且 `k[0]` 不得大于 `k[1]` 。该值必须在必须在 :math:`(-x.shape[-2], x.shape[-1])` 中。默认值:0。 - **align** (str, 可选) - 字符串,指定超对角线和次对角线的对齐方式。可选值:"RIGHT_LEFT"、"LEFT_RIGHT"、"LEFT_LEFT"、"RIGHT_RIGHT"。例如,"RIGHT_LEFT"表示将超对角线与右侧对齐(左侧填充行),将次对角线与左侧对齐(右侧填充行)。默认值:"RIGHT_LEFT"。 返回: Tensor,与 `x` 的类型相同。 设 `x` 有 `r+1` 维 :math:`[I, J, ..., M, N]` 。输出Tensor的维度为 `r+1` ,为 :math:`[I, J, ..., L, M, N]` 。 异常: - **TypeError** - `x` 或者 `diagonal` 不为Tensor。 - **TypeError** - `x` 与 `diagonal` 数据类型不同。 - **TypeError** - `k` 的数据类型不为int32。 - **ValueError** - `align` 取值不在合法值集合内。 - **ValueError** - `k` 的维度不为0或1。 - **ValueError** - `x` 的维度不大于等于2。 - **ValueError** - `k` 的大小不为1或2。 - **ValueError** - 当 `k` 的大小为2时,k[1]小于k[0]。 - **ValueError** - 对角线 `diagonal` 的维度与输入 `x` 的维度不匹配。 - **ValueError** - 对角线 `diagonal` 的维度信息与输入 `x` 的维度信息不匹配。 - **ValueError** - 对角线 `diagonal` 的维度 :math:`shape[-2]` 不等于与对角线个数 `num_diags` :math:`k[1]-k[0]+1` 。 - **ValueError** - `k` 的取值不在 :math:`(-x.shape[-2], x.shape[-1])` 范围内。 - **ValueError** - 对角线 `diagonal` 的维度shape[-1] 不等于最长对角线长度 `max_diag_len` :math:`min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))` 。