torch.sparse_csc_tensor

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

Создаёт разреженный тензор в формате CSC (Compressed Sparse Column) со значениями в указанных ccol_indices и row_indices. Операции умножения разреженных матриц в формате CSC, как правило, быстрее, чем для разреженных тензоров в формате COO. Обратите внимание на примечание о типе данных индексов.

Примечание

Если аргумент device не указан, устройство тензоров с данными values и индексами должно совпадать. Однако, если аргумент указан, входные тензоры будут преобразованы в указанное устройство, и, в свою очередь, это определит устройство созданного разреженного тензора.

Параметры

• ccol_indices (array_like) – массив размерностью (B+1), с размером (*batchsize, ncols + 1). Последний элемент каждого набора — это количество ненулевых элементов. Этот тензор кодирует индекс в значениях и row_indices, в зависимости от того, с какого столбца начинаются данные. Каждое последующее число в тензоре, вычитаемое из предыдущего, обозначает количество элементов в заданном столбце.
• row_indices (array_like) – Строковые координаты каждого элемента в значениях. (B+1)-мерный тензор с той же длиной, что и значения.
• values (array_list) – Начальные значения для тензора. Может быть списком, кортежем, NumPy ndarray, скаляром и другими типами, которые представляют (1+K)-мерный тензор, где K — число плотных измерений.
• size (list, tuple, torch.Size, optional) – Размер разреженного тензора: (*batchsize, nrows, ncols, *densesize). Если не указано, размер будет определён как минимальный размер, достаточный для хранения всех ненулевых элементов.

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 CPU и текущее CUDA-устройство для тензоров 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(), по умолчанию 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)