torch.sparse.sum

torch.sparse.sum(input, dim=None, dtype=None) [source]

Возвращает сумму каждой строки разреженного тензора input в заданных измерениях dim. Если dim представляет собой список измерений, то производится суммирование по всем из них. При суммировании по всем sparse_dim, этот метод возвращает плотный тензор вместо разреженного.

Все суммируемые dim сжаты (см. torch.squeeze()), что приводит к тензору вывода, у которого dim меньше измерений, чем у input.

Во время обратного прохода градиенты только в nnz расположениях input будут распространяться обратно. Обратите внимание, что градиенты input объединяются.

Параметры

• input (Tensor) – входной разреженный тензор
• dim (int или кортеж из целых чисел) – измерение или список измерений для суммирования. По умолчанию: суммирование по всем измерениям.
• dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. По умолчанию: тип данных input.

Тип возвращаемого значения

Tensor

Пример:

>>> nnz = 3
>>> dims = [5, 5, 2, 3]
>>> I = torch.cat([torch.randint(0, dims[0], size=(nnz,)),
                   torch.randint(0, dims[1], size=(nnz,))], 0).reshape(2, nnz)
>>> V = torch.randn(nnz, dims[2], dims[3])
>>> size = torch.Size(dims)
>>> S = torch.sparse_coo_tensor(I, V, size)
>>> S
tensor(indices=tensor([[2, 0, 3],
                       [2, 4, 1]]),
       values=tensor([[[-0.6438, -1.6467,  1.4004],
                       [ 0.3411,  0.0918, -0.2312]],

                      [[ 0.5348,  0.0634, -2.0494],
                       [-0.7125, -1.0646,  2.1844]],

                      [[ 0.1276,  0.1874, -0.6334],
                       [-1.9682, -0.5340,  0.7483]]]),
       size=(5, 5, 2, 3), nnz=3, layout=torch.sparse_coo)

# when sum over only part of sparse_dims, return a sparse tensor
>>> torch.sparse.sum(S, [1, 3])
tensor(indices=tensor([[0, 2, 3]]),
       values=tensor([[-1.4512,  0.4073],
                      [-0.8901,  0.2017],
                      [-0.3183, -1.7539]]),
       size=(5, 2), nnz=3, layout=torch.sparse_coo)

# when sum over all sparse dim, return a dense tensor
# with summed dims squeezed
>>> torch.sparse.sum(S, [0, 1, 3])
tensor([-2.6596, -1.1450])