mindspore.ops.matrix_set_diag

mindspore.ops.matrix_set_diag(x, diagonal, k=0, align='RIGHT_LEFT')[源代码]

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 \(shape[-2]\) 必须等于对角线个数 num_diags \(k[1] - k[0] + 1\)diagonal 的维度 \(shape[-1]\) 必须 等于最长对角线值 max_diag_len \(min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))\) 。 设 x 具有 r + 1\([I, J, ..., L, M, N]\) 。当 k 是整数或 \(k[0] == k[1]\) 时,对角线 diagonal 具有形状 为 \([I, J, ..., L, max\_diag\_len]\) 。否则,它具有形状为 \([I, J, ... L, num\_diags, max\_diag\_len]\)

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 \(k[0] == k[1]\) 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 \((-x.shape[-2], x.shape[-1])\) 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。

xr+1\([I, J, ..., M, N]\) 。输出Tensor的维度为 r+1 ,为 \([I, J, ..., L, M, N]\)

异常:
  • TypeError - x 或者 diagonal 不为Tensor。

  • TypeError - xdiagonal 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 \(shape[-2]\) 不等于与对角线个数 num_diags \(k[1]-k[0]+1\)

  • ValueError - k 的取值不在 \((-x.shape[-2], x.shape[-1])\) 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 \(min(x.shape[-2] + min(k[1], 0), x.shape[-1] + min(-k[0], 0))\)

支持平台:

GPU CPU

样例:

>>> x = Tensor(np.array([[7, 7, 7, 7],
...                      [7, 7, 7, 7],
...                      [7, 7, 7, 7]]), mindspore.float32)
>>> diagonal = Tensor(np.array([[0, 9, 1],
...                             [6, 5, 8],
...                             [1, 2, 3],
...                             [4, 5, 0]]), mindspore.float32)
>>> k = Tensor(np.array([-1, 2]), mindspore.int32)
>>> align = 'RIGHT_LEFT'
>>> output = ops.matrix_set_diag(x, diagonal, k, align)
>>> print(output)
[[1. 6. 9. 7.]
 [4. 2. 5. 1.]
 [7. 5. 3. 8.]]
>>> print(output.shape)
(3, 4)