torch.sparse_bsr_tensor

torch.sparse_bsr_tensor(crow_indices, col_indices, values, size=None, *, dtype=None, device=None, requires_grad=False) → Tensor

Создаёт разреженный тензор в формате BSR (Block Compressed Sparse Row) со специфицированными двумерными блоками в указанных crow_indices и col_indices. Операции умножения разреженных матриц в формате BSR, как правило, быстрее, чем для разреженных тензоров в формате COO. Обратите внимание на примечание о типе данных индексов.

Параметры:

• crow_indices (array_like) – Массив размерностью (B+1) размером (*batchsize, nrowblocks + 1). Последний элемент каждого пакета — количество ненулевых элементов. Этот тензор кодирует индекс блока в значениях и col_indices в зависимости от того, где начинается заданный строчный блок. Каждое последующее число в тензоре, вычтенное из предыдущего, обозначает количество блоков в данной строке.
• col_indices (array_like) – Координаты столбцовых блоков каждого блока в значениях. (B+1)-мерный тензор с длиной, равной длине значений.
• values (array_list) – Начальные значения для тензора. Может быть списком, кортежем, массивом NumPy ndarray, скаляром и другими типами, представляющими (1 + 2 + K)-мерный тензор, где K — количество плотных измерений.
• size (list, tuple, torch.Size, optional) – Размер разреженного тензора: (*batchsize, nrows * blocksize[0], ncols * blocksize[1], *densesize) где blocksize == values.shape[1:3]. Если не указано, размер будет определён как минимальный размер, достаточный для размещения всех ненулевых блоков.

Ключевые аргументы:

• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, тип данных определяется из values.
• device (torch.device, optional) – желаемое устройство возвращаемого тензора. По умолчанию: если None, используется текущее устройство для типа тензора по умолчанию (см. torch.set_default_tensor_type()). device будет CPU для тензоров на CPU и текущим устройством CUDA для тензоров на CUDA.
• requires_grad (bool, optional) – Если автограду следует записывать операции над возвращаемым тензором. По умолчанию: False.

Пример::

>>> crow_indices = [0, 1, 2]
>>> col_indices = [0, 1]
>>> values = [[[1, 2], [3, 4]], [[5, 6], [7, 8]]]
>>> torch.sparse_bsr_tensor(torch.tensor(crow_indices, dtype=torch.int64),
...                         torch.tensor(col_indices, dtype=torch.int64),
...                         torch.tensor(values), dtype=torch.double)
tensor(crow_indices=tensor([0, 1, 2]),
       col_indices=tensor([0, 1]),
       values=tensor([[[1., 2.],
                       [3., 4.]],
                      [[5., 6.],
                       [7., 8.]]]), size=(2, 2), nnz=2, dtype=torch.float64,
       layout=torch.sparse_bsr)