快捷方式

torch.Tensor.to_sparse_csc

Tensor.to_sparse_csc() Tensor

将张量转换为压缩列存储 (CSC) 格式。除了带步幅的张量之外,仅适用于 2D 张量。如果 self 带步幅,则可以指定密集维度的数量,并将创建混合 CSC 张量,其中 dense_dim 为密集维度,self.dim() - 2 - dense_dim 为批处理维度。

参数

dense_dim (int, 可选) – 生成的 CSC 张量的密集维度的数量。此参数应仅在 self 为带步幅的张量时使用,并且必须介于 0 到 self 张量维度减 2 之间。

示例

>>> dense = torch.randn(5, 5)
>>> sparse = dense.to_sparse_csc()
>>> sparse._nnz()
25

>>> dense = torch.zeros(3, 3, 1, 1)
>>> dense[0, 0] = dense[1, 2] = dense[2, 1] = 1
>>> dense.to_sparse_csc(dense_dim=2)
tensor(ccol_indices=tensor([0, 1, 2, 3]),
       row_indices=tensor([0, 2, 1]),
       values=tensor([[[1.]],

                      [[1.]],

                      [[1.]]]), size=(3, 3, 1, 1), nnz=3,
       layout=torch.sparse_csc)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源