torch.Tensor.to_sparse

Tensor.to_sparse(sparseDims) → Tensor

Возвращает разреженную копию тензора. PyTorch поддерживает разреженные тензоры в координатном формате.

Параметры

sparseDims (int, необязательно) – количество разреженных измерений, которые необходимо включить в новый разреженный тензор

Пример:

>>> d = torch.tensor([[0, 0, 0], [9, 0, 10], [0, 0, 0]])
>>> d
tensor([[ 0,  0,  0],
        [ 9,  0, 10],
        [ 0,  0,  0]])
>>> d.to_sparse()
tensor(indices=tensor([[1, 1],
                       [0, 2]]),
       values=tensor([ 9, 10]),
       size=(3, 3), nnz=2, layout=torch.sparse_coo)
>>> d.to_sparse(1)
tensor(indices=tensor([[1]]),
       values=tensor([[ 9,  0, 10]]),
       size=(3, 3), nnz=1, layout=torch.sparse_coo)

to_sparse(*, layout=None, blocksize=None, dense_dim=None) → Tensor

Возвращает разреженный тензор с указанной компоновкой и размером блока. Если self является с шагами, количество плотных измерений может быть указано, и будет создан гибридный разреженный тензор с dense_dim плотными измерениями и self.dim() - 2 - dense_dim размерностью пакета.

Примечание

Если self компоновка и размер блока совпадают со специфицированной компоновкой и размером блока, возвращается self. В противном случае возвращается копия разреженного тензора self.

Параметры

• layout (torch.layout, необязательно) – Желаемая компоновка разреженного тензора. Одна из torch.sparse_coo, torch.sparse_csr, torch.sparse_csc, torch.sparse_bsr, или torch.sparse_bsc. По умолчанию: если None, torch.sparse_coo.
• blocksize (список, кортеж, torch.Size, необязательно) – Размер блока результирующего тензора BSR или BSC. Для других компоновок, указание размера блока, который не None приведет к исключению RuntimeError. Размер блока должен быть кортежем длиной два, элементы которого делят нацело два разреженных измерения.
• dense_dim (int, необязательно) – Количество плотных измерений результирующего CSR, CSC, BSR или BSC тензора. Этот аргумент следует использовать только если self является тензором с шагами, и он должен быть значением от 0 до размерности тензора self минус два.

Пример:

>>> x = torch.tensor([[1, 0], [0, 0], [2, 3]])
>>> x.to_sparse(layout=torch.sparse_coo)
tensor(indices=tensor([[0, 2, 2],
                       [0, 0, 1]]),
       values=tensor([1, 2, 3]),
       size=(3, 2), nnz=3, layout=torch.sparse_coo)
>>> x.to_sparse(layout=torch.sparse_bsr, blocksize=(1, 2))
tensor(crow_indices=tensor([0, 1, 1, 2]),
       col_indices=tensor([0, 0]),
       values=tensor([[[1, 0]],
                      [[2, 3]]]), size=(3, 2), nnz=2, layout=torch.sparse_bsr)
>>> x.to_sparse(layout=torch.sparse_bsr, blocksize=(2, 1))
RuntimeError: Tensor size(-2) 3 needs to be divisible by blocksize[0] 2
>>> x.to_sparse(layout=torch.sparse_csr, blocksize=(3, 1))
RuntimeError: to_sparse for Strided to SparseCsr conversion does not use specified blocksize

>>> x = torch.tensor([[[1], [0]], [[0], [0]], [[2], [3]]])
>>> x.to_sparse(layout=torch.sparse_csr, dense_dim=1)
tensor(crow_indices=tensor([0, 1, 1, 3]),
       col_indices=tensor([0, 0, 1]),
       values=tensor([[1],
                      [2],
                      [3]]), size=(3, 2, 1), nnz=3, layout=torch.sparse_csr)