torch.sparse_bsc_tensor

torch.sparse_bsc_tensor(ccol_indices, row_indices, values, size=None, *, dtype=None, device=None, pin_memory=False, requires_grad=False, check_invariants=None) → Tensor

Создает разреженный тензор в формате BSC (Block Compressed Sparse Column, блочное сжатие разреженных столбцов) с заданными двумерными блоками по указанным ccol_indices и row_indices. Операции умножения разреженных матриц в формате BSC обычно выполняются быстрее, чем операции с разреженными тензорами в формате COO. Обязательно ознакомьтесь с примечанием о типе данных индексов.

Примечание

Если аргумент device не указан, устройство заданных values и тензора(ов) индексов должно совпадать. Если же аргумент указан, входные тензоры будут преобразованы к заданному устройству, которое, в свою очередь, определит устройство созданного разреженного тензора.

Параметры:

• ccol_indices (array_like) – Массив размерности (B+1) размером (*batchsize, ncolblocks + 1). Последний элемент каждого пакета — число ненулевых элементов. Этот тензор кодирует индекс в values и row_indices в зависимости от того, с какого места начинается заданный столбец. Разность каждого последующего числа в тензоре и предыдущего числа указывает количество элементов в заданном столбце.
• row_indices (array_like) – Координаты блоков по строкам для каждого блока в values. Тензор размерности (B+1) той же длины, что и values.
• values (array_list) – Начальные блоки тензора. Может быть списком, кортежем, массивом NumPy ndarray и другими типами, представляющими тензор размерности (1 + 2 + K), где K — число плотных размерностей.
• size (list, tuple, torch.Size, optional) – Размер разреженного тензора: (*batchsize, nrows * blocksize[0], ncols * blocksize[1], *densesize) Если не указан, размер будет определен как минимальный размер, достаточный для размещения всех ненулевых блоков.

Именованные аргументы:

• dtype (torch.dtype, optional) – желаемый тип данных возвращаемого тензора. По умолчанию: если None, тип данных определяется по 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_device()). device будет CPU для типов тензоров CPU и текущим устройством CUDA для типов тензоров CUDA.
• pin_memory (bool, optional) – Если установлено, возвращаемый тензор будет выделен в закрепленной памяти. Работает только для тензоров CPU. По умолчанию: False.
• requires_grad (bool, optional) – Следует ли autograd записывать операции с возвращаемым тензором. По умолчанию: False.
• check_invariants (bool, optional) – Проверяются ли инварианты разреженного тензора. По умолчанию: значение, возвращаемое torch.sparse.check_sparse_tensor_invariants.is_enabled(); изначально False.

Пример:

>>> ccol_indices = [0, 1, 2]
>>> row_indices = [0, 1]
>>> values = [[[1, 2], [3, 4]], [[5, 6], [7, 8]]]
>>> torch.sparse_bsc_tensor(torch.tensor(ccol_indices, dtype=torch.int64),
...                         torch.tensor(row_indices, dtype=torch.int64),
...                         torch.tensor(values), dtype=torch.double)
tensor(ccol_indices=tensor([0, 1, 2]),
       row_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_bsc)