diag_embed

paddle.nn.functional.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 （Tensor|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。

代码示例

import paddle.nn.functional as F
import numpy as np

diag_embed = np.random.randn(2, 3).astype('float32')
# [[ 0.7545889 , -0.25074545,  0.5929117 ],
#  [-0.6097662 , -0.01753256,  0.619769  ]]

data1 = F.diag_embed(diag_embed)
data1.numpy()
# [[[ 0.7545889 ,  0.        ,  0.        ],
#  [ 0.        , -0.25074545,  0.        ],
#   [ 0.        ,  0.        ,  0.5929117 ]],

# [[-0.6097662 ,  0.        ,  0.        ],
#  [ 0.        , -0.01753256,  0.        ],
#  [ 0.        ,  0.        ,  0.619769  ]]]

data2 = F.diag_embed(diag_embed, offset=-1, dim1=0, dim2=2)
data2.numpy()
# [[[ 0.        ,  0.        ,  0.        ,  0.        ],
#   [ 0.7545889 ,  0.        ,  0.        ,  0.        ],
#   [ 0.        , -0.25074545,  0.        ,  0.        ],
#   [ 0.        ,  0.        ,  0.5929117 ,  0.        ]],
#
#  [[ 0.        ,  0.        ,  0.        ,  0.        ],
#   [-0.6097662 ,  0.        ,  0.        ,  0.        ],
#   [ 0.        , -0.01753256,  0.        ,  0.        ],
#   [ 0.        ,  0.        ,  0.619769  ,  0.        ]]]

data3 = F.diag_embed(diag_embed, offset=1, dim1=0, dim2=2)
data3.numpy()
# [[[ 0.        ,  0.7545889 ,  0.        ,  0.        ],
#   [ 0.        , -0.6097662 ,  0.        ,  0.        ]],
#
#  [[ 0.        ,  0.        , -0.25074545,  0.        ],
#   [ 0.        ,  0.        , -0.01753256,  0.        ]],
#
#  [[ 0.        ,  0.        ,  0.        ,  0.5929117 ],
#   [ 0.        ,  0.        ,  0.        ,  0.619769  ]],
#
#  [[ 0.        ,  0.        ,  0.        ,  0.        ],
#   [ 0.        ,  0.        ,  0.        ,  0.        ]]]