mindspore.ops.matrix_diag_part

mindspore.ops.matrix_diag_part(x, k, padding_value, align='RIGHT_LEFT')

返回输入Tensor的对角线部分。 返回输入Tensor，内容为输入 x 的第k[0]到k[1]个对角线中的值。有些对角线的长度小于 max_diag_len，此时会使用 padding_value 填充。在图模式中，输入 k 和 padding_value 必须为常量Tensor。

参数：

• x (Tensor) - 输入Tensor，维度r需要满足 r >= 2。

• k (Tensor) - int或int32类型的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。

• padding_value (Tensor) - 与 x 相同的数据类型的单值Tensor，表示填充对角线带外区域的数值。

• align (str, 可选) - 一个字符串，指定超对角线和次对角线的对齐方式。可选字符串有： "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维 \((I, J, ..., M, N)\) 。设 max_diag_len 为所有对角线长度中的最大值，则 \(max\_diag\_len = min(M + min(k[1], 0), N + min(-k[0], 0))\)。

• 设 num_diags 为输出的维度数，则有 \(num\_diags = k[1] - k[0] + 1\)。如果 \(num\_diags == 1\)，则输出Tensor的维度为r - 1，分别为 \((I, J, ..., L, max\_diag\_len)\)。否则，输出Tensor的维度为r，分别为 \((I, J, ..., L, num\_diags, max\_diag\_len)\) 。

异常：

• TypeError - x 不为Tensor。

• TypeError - x 与 padding_value 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 - padding_value 的维度不为0。

• 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 - k 的取值不在 (-x.shape[-2], x.shape[-1]) 范围内。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([[1, 2, 3, 4],
...                      [5, 6, 7, 8],
...                      [9, 8, 7, 6]]), mindspore.float32)
>>> k =Tensor(np.array([1, 3]), mindspore.int32)
>>> padding_value = Tensor(np.array(9), mindspore.float32)
>>> output = ops.matrix_diag_part(x, k, padding_value, align='RIGHT_LEFT')
>>> print(output)
[[9. 9. 4.]
 [9. 3. 8.]
 [2. 7. 6.]]
>>> print(output.shape)
(3, 3)