如何制作对角张量，为什么Tensorflow linalg.tensor_diag不这样做？

我认为对角张量是形状（d1，...，dr）的张量t，除非分量相等，否则它们都为零。因此，除非i == j == k == l，否则t [i，j，k，l] = 0。创建此类张量的函数应采用形状（d1，...，dr）和长度为min（d1，...，dr）的向量[a1，...，ak]，并将这些值沿对角线。

我想在Tensorflow中执行此操作，而我能找到的最相关的功能是tf.linalg.tensor_diag，但它并不能满足我的要求。例如，对角线输入是张量，输出张量始终是等级的两倍，因此永远不会输出奇数等级的张量。

文档说：“给出一个对角线，此操作将返回一个带有对角线的张量，其他所有内容都填充零”，但我不知道如何将其与实际行为相平方。

我的问题分为两个部分：

这是示例输出：

>>> tf.linalg.tensor_diag([1,2],[3,4]])

<tf.Tensor: shape=(2,2,2),dtype=int32,numpy=
array([[[[1,0],[0,0]],[[0,0]]],[[[0,4]]]],dtype=int32)>```

因此，考虑这一点有些棘手，但我将尝试解释这种想法。

如果您进行tf.linalg.tensor_diag([1,2,3,4])，则可以直观地得出具有该对角线的矩阵：

[[1,0],[0,4]]

请注意，您从排名1上升到排名2，排名增加了一倍。因此，要“对角线化”，最终将使排名翻倍。

现在，您的问题tf.linalg.tensor_diag([[1,2],[3,4]])传递的是一个矩阵，因此为2级

[[1,4]]

但是现在，如何将其对角线化？因此它是2级，遵循该模式意味着我们将最终得到4级。在前面的示例中，对角线化将向量“拉”到较高的等级。而且“拉起”的每一步都从对角线取一个值并将其放在那里。

因此，此矩阵也将被“拉起”，并且每一步都留下一个值。因此，它将[[0,0]]变成4个正方形，并在每个正方形中减去该值。这会给我们

[[1,0]]
[[0,4]]

如果事物最初是原始的，那么最后它们将被“分组”（例如[1,2] idk怎么说更好），从而得出最终结果

[
 [
  [[1,0]],[[0,0]]
 ],[
  [[0,4]]
 ]
]

这确实使我们获得了第4名的成绩?

注意：您可能希望查看其他diag function，以使更多人尝试这样做