Pytorch torch.diag()创建对角线张量
torch.diag()
torch.diag是PyTorch中的一个函数，用于从给定的矩阵中提取对角线元素，或者构造一个以给定对角线元素为值的对角矩阵。这个函数对于矩阵分解和转换等操作非常重要。
如果输入是一个向量（1D张量），torch.diag会返回一个以该向量为对角线元素的2D方阵。如果输入是一个矩阵（2D张量），则返回一个包含输入矩阵对角线元素的1D张量。
torch.diag还允许你指定对角线的位置，通过参数diagonal实现。如果diagonal=0，则为主对角线；如果diagonal>0，则为位于主对角线之上的对角线；如果diagonal<0，则为位于主对角线之下的对角线。
语法：
input (Tensor)：输入张量。diagonal (int, optional)：指定的对角线。out (Tensor, optional)：输出张量。
举例一：
import torch data = torch.tensor([1,2,3,4]) data_two = torch.diag(data,0) print(data_two)
结果：
举例二：
import torch
data = torch.tensor(float('inf')).cuda().repeat(3)
data_two = torch.diag(data,0)
print(data_two)
结果：
torch.diag()取矩阵对角线元素,torch.diag_embed()指定值变成对角矩阵
1、torch.diag()
import torch
a = torch.randn(3, 3)
print(a)
tensor([[ 0.7594, 0.8073, -0.1344],
[-1.7335, -0.4356, -0.0055],
[ 1.8326, 0.3900, -0.9933]])
diag = torch.diag(a) # 取 a 对角线元素，输出为 1*3
print(diag)
tensor([ 0.7594, -0.4356, -0.9933])
2、torch.diag_embed()
import torch
tensor([ 0.7594, -0.4356, -0.9933])
a_diag = torch.diag_embed(diag) # 由 diag 变为三维 3*3
tensor([[ 0.7594, 0.0000, 0.0000],
[ 0.0000, -0.4356, 0.0000],
[ 0.0000, 0.0000, -0.9933]])
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
