mindspore.ops.matrix_diag
- mindspore.ops.matrix_diag(x, k=0, num_rows=- 1, num_cols=- 1, padding_value=0, align='RIGHT_LEFT')[源代码]
返回一个Tensor,其k[0]到k[1]的对角线特定为给定对角线Tensor,其余值均填充为 padding_value 。 通过 num_rows 和 num_cols 指定输出最内层矩阵的维度,其维度大小需要符合要求。如果两者都没有指定,那么算子假定输出Tensor最内层的矩阵是方阵,并从输入 k 和输入 x 最内层的维度推断出输出的具体维度大小。如果 num_rows 和 num_cols 仅指定其中一个,那么算子将推导出最小的合法值作为输出的维度。 此外,当只有一条对角线时(即当k为整数或者k[0]==k[1]), x 的第一维到倒数第二维都属于批量的范围。否则倒数第二维不属于批量的维度。
- 参数:
x (Tensor) - 对角线Tensor。
k (Union[int, Tensor], 可选) - 对角线偏移。int32类型的Tensor。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(-num_rows,num_cols)中。默认值:0。
num_rows (Union[int, Tensor], 可选) - 输出Tensor的行数。int32类型的单值Tensor,若该值为-1,则表示输出Tensor的最内层矩阵是一个方阵,实际行数将由其他输入推导, 即 \(num\_rows = x.shape[-1] - min(k[1], 0)\) ; 否则,改值必须大于或等于 \(x.shape[-1] - min(k[1], 0)\) 。默认值:-1。
num_cols (Union[int, Tensor], 可选) - 输出Tensor的列数。int32类型的单值Tensor,若该值为-1,则表示输出Tensor的最内层矩阵是一个方阵,实际列数将由其他输入推导,即 \(num\_cols = x.shape[-1] + max(k[0], 0)\) ; 否则,改值必须大于或等于 \(x.shape[-1] - min(k[1], 0)\) 。默认值:-1。
padding_value (Union[int, float, Tensor], 可选) - 填充对角线带外区域的数值,是一个与 x 相同的数据类型的单值Tensor。默认值:0。
align (str, 可选) - 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”。 默认值:”RIGHT_LEFT”。
“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)。
“LEFT_RIGHT”表示将超对角线与左侧对齐(右侧填充行),将次对角线与右侧对齐(左侧填充行)。
“LEFT_LEFT”表示将超对角线和次对角线均与左侧对齐(右侧填充行)。
“RIGHT_RIGHT”表示将超对角线与次对角线均右侧对齐(左侧填充行)。
- 返回:
Tensor,与 x 的类型相同。 设 x 有r维 \((I, J, ..., M, N)\) 。当只给出一条对角线(k是整数或k[0]==k[1])时,输出Tensor的维度是r + 1,具有shape \((I, J, ..., M, num_rows, num_cols)\) 。否则,输出Tensor的维度是r,具有shape \((I, J, ..., num_rows, num_cols)\) 。
- 异常:
TypeError - x 不为Tensor。
TypeError - x 与 padding_value 数据类型不同。
TypeError - k 、 num_rows 、 num_cols 数据类型不为int32。
ValueError - k 的维度不为0或1。
ValueError - padding_value 、 num_rows 、 num_cols 的维度不为0。
ValueError - k 的大小不为1或2。
ValueError - k 的取值不在 (-num_rows, num_cols) 范围内。
ValueError - 当k[0] != k[1]时,k[1]小于k[0]。
ValueError - 当k为整数或k[0] == k[1]时, x 的维度小于1。
ValueError - 当k[0] != k[1]时,x 的维度小于2。
ValueError - 当k[0] != k[1]时,x.shape[-2]不等于k[1] - k[0] + 1。
ValueError - num_rows 和 num_cols 与 x 的维度和 k 的值不匹配。
ValueError - align 取值不在合法值集合内。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor >>> from mindspore import ops >>> x = Tensor(np.array([[8, 9, 0], ... [1, 2, 3], ... [0, 4, 5]]), mindspore.float32) >>> k =Tensor(np.array([-1, 1]), mindspore.int32) >>> num_rows = Tensor(np.array(3), mindspore.int32) >>> num_cols = Tensor(np.array(3), mindspore.int32) >>> padding_value = Tensor(np.array(11), mindspore.float32) >>> output = ops.matrix_diag(x, k, num_rows, num_cols, padding_value, align='LEFT_RIGHT') >>> print(output) [[ 1. 8. 11.] [ 4. 2. 9.] [11. 5. 3.]] >>> print(output.shape) (3, 3)