torch.sparse_csc_tensor

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

Создаёт разреженный тензор в формате CSC (Compressed Sparse Column) с указанными значениями в заданных ccol_indices и row_indices. Операции умножения разреженных матриц в формате CSC 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 заданного values и тензора (тензоров) индексов должно совпадать. Если же аргумент указан, входные тензоры будут преобразованы к заданному устройству, которое, в свою очередь, определит устройство создаваемого разреженного тензора.

Параметры:

• ccol_indices (array_like) – Массив размерности (B+1) и размера (*batchsize, ncols + 1). Последний элемент каждого пакета — количество ненулевых элементов. Этот тензор кодирует индексы в values и row_indices в зависимости от того, где начинается заданный столбец. Разность каждого последовательного числа в тензоре и предыдущего числа обозначает количество элементов в данном столбце.
• row_indices (array_like) – Координаты строки каждого элемента в values. Тензор размерности (B+1) той же длины, что и values.
• values (array_list) – Начальные значения тензора. Может быть списком, кортежем, массивом NumPy ndarray, скаляром и другими типами, представляющими тензор размерности (1+K), где K — количество плотных измерений.
• size (list, tuple, torch.Size, optional) – Размер разреженного тензора: (*batchsize, nrows, ncols, *densesize). Если не указан, размер будет выведен как минимальный размер, достаточный для хранения всех ненулевых элементов.

Именованные аргументы:

• dtype (torch.dtype, optional) – требуемый тип данных возвращаемого тензора. По умолчанию: если None, тип данных выводится из values.
• device (torch.device, optional) – требуемое 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 размещён в закреплённой памяти. Работает только для тензоров CPU. По умолчанию: False.
• requires_grad (bool, optional) – Нужно ли autograd записывать операции над возвращаемым тензором. По умолчанию: False.
• check_invariants (bool, optional) – Проверять ли инварианты разреженного тензора. По умолчанию: значение, возвращаемое torch.sparse.check_sparse_tensor_invariants.is_enabled(); изначально False.

Пример:

>>> ccol_indices = [0, 2, 4]
>>> row_indices = [0, 1, 0, 1]
>>> values = [1, 2, 3, 4]
>>> torch.sparse_csc_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, 2, 4]),
       row_indices=tensor([0, 1, 0, 1]),
       values=tensor([1., 2., 3., 4.]), size=(2, 2), nnz=4,
       dtype=torch.float64, layout=torch.sparse_csc)