torch.sparse_bsc_tensor

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

Создаёт разреженный тензор в формате BSC (Block Compressed Sparse Column) со специфицированными 2-мерными блоками в заданных ccol_indices и row_indices. Операции умножения разреженных матриц в формате BSC обычно быстрее, чем для разреженных тензоров в формате COO. Обратите внимание на примечание о типе данных индексов.

Примечание

Если аргумент device не указан, устройство тензоров values и индексов должно совпадать. Однако, если аргумент указан, входные тензоры будут преобразованы к указанному устройству, и это определит устройство построенного разреженного тензора.

Параметры

• ccol_indices (array_like) – (B+1)-мерный массив размера (*batchsize, ncolblocks + 1). Последний элемент каждого пакета — количество ненулевых элементов. Этот тензор кодирует индекс в значениях и row_indices, в зависимости от того, где начинается заданный столбец. Каждое последующее число в тензоре, вычтенное из предыдущего, обозначает количество элементов в данном столбце.
• row_indices (array_like) – Координаты строчных блоков каждого блока в значениях. (B+1)-мерный тензор с той же длиной, что и значения.
• values (array_list) – Начальные блоки для тензора. Может быть списком, кортежем, NumPy ndarray, и другими типами, которые представляют (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) Если не указано, размер будет определён как минимальный размер, достаточный для размещения всех ненулевых блоков.

Ключевые аргументы

• dtype (torch.dtype, optional) – требуемый 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 стандартного типа тензора (см. torch.set_default_tensor_type()). device будет CPU для тензоров на CPU и текущее CUDA-устройство для тензоров на CUDA.
• requires_grad (bool, optional) – Если автограду следует записывать операции над возвращаемым тензором. По умолчанию: False.
• check_invariants (bool, optional) – Если проверять инварианты разреженного тензора. По умолчанию: как возвращается 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)