diag_embed

fluid.layers.diag_embed(input, offset=0, dim1=-2, dim2=-1):

该 OP 创建一个 Tensor，其在指定的 2D 平面（由 dim1 和 dim2 指定）上的对角线由输入 input 填充。 默认的，指定的 2D 平面由返回 Tensor 的最后两维组成。

参数 offset 确定在指定的二维平面中填充对角线的位置：

  • 如果 offset = 0，则填充主对角线。
  • 如果 offset > 0，则填充主对角线右上的对角线。
  • 如果 offset < 0，则填充主对角线左下的对角线。

参数

  • input （Variable|numpy.ndarray）- 输入变量，至少为 1D 数组，支持数据类型为 float32，float64，int32，int64。
  • offset （int ，可选）- 从指定的二维平面中获取对角线的位置，默认值为 0，既主对角线。
  • dim1 （int ， 可选）- 填充对角线的二维平面的第一维，默认值为 -2。
  • dim2 （int ， 可选）- 填充对角线的二维平面的第二维，默认值为 -1。

返回

指定二维平面填充了对角线的 Tensor。数据类型和输入数据类型一致。

返回类型

变量（Variable）

代码示例

  1. import paddle.fluid as fluid
  2. import paddle.fluid.dygraph as dg
  3. import numpy as np
  5. diag_embed = np.random.randn(2, 3).astype('float32')
  6. # [[ 0.7545889 , -0.25074545,  0.5929117 ],
  7. #  [-0.6097662 , -0.01753256,  0.619769  ]]
  8. with dg.guard():
  9.     data1 = fluid.layers.diag_embed(diag_embed)
  10.     data1.numpy()
  11.     # [[[ 0.7545889 ,  0.        ,  0.        ],
  12.     #  [ 0.        , -0.25074545,  0.        ],
  13.     #   [ 0.        ,  0.        ,  0.5929117 ]],
  15.     # [[-0.6097662 ,  0.        ,  0.        ],
  16.     #  [ 0.        , -0.01753256,  0.        ],
  17.     #  [ 0.        ,  0.        ,  0.619769  ]]]
  19.     data2 = fluid.layers.diag_embed(diag_embed, offset=-1, dim1=0, dim2=2)
  20.     data2.numpy()
  21.     # [[[ 0.        ,  0.        ,  0.        ,  0.        ],
  22.     #   [ 0.7545889 ,  0.        ,  0.        ,  0.        ],
  23.     #   [ 0.        , -0.25074545,  0.        ,  0.        ],
  24.     #   [ 0.        ,  0.        ,  0.5929117 ,  0.        ]],
  25.     #
  26.     #  [[ 0.        ,  0.        ,  0.        ,  0.        ],
  27.     #   [-0.6097662 ,  0.        ,  0.        ,  0.        ],
  28.     #   [ 0.        , -0.01753256,  0.        ,  0.        ],
  29.     #   [ 0.        ,  0.        ,  0.619769  ,  0.        ]]]
  31.     data3 = fluid.layers.diag_embed(diag_embed, offset=1, dim1=0, dim2=2)
  32.     data3.numpy()
  33.     # [[[ 0.        ,  0.7545889 ,  0.        ,  0.        ],
  34.     #   [ 0.        , -0.6097662 ,  0.        ,  0.        ]],
  35.     #
  36.     #  [[ 0.        ,  0.        , -0.25074545,  0.        ],
  37.     #   [ 0.        ,  0.        , -0.01753256,  0.        ]],
  38.     #
  39.     #  [[ 0.        ,  0.        ,  0.        ,  0.5929117 ],
  40.     #   [ 0.        ,  0.        ,  0.        ,  0.619769  ]],
  41.     #
  42.     #  [[ 0.        ,  0.        ,  0.        ,  0.        ],
  43.     #   [ 0.        ,  0.        ,  0.        ,  0.        ]]]