快捷方式

torch.Tensor.to_sparse_csr

Tensor.to_sparse_csr(dense_dim=None) Tensor

将张量转换为压缩行存储格式 (CSR)。除了跨步张量之外,仅适用于二维张量。如果self是跨步张量,则可以指定密集维度的数量,并将创建一个混合 CSR 张量,其中具有dense_dim个密集维度和self.dim() - 2 - dense_dim个批处理维度。

参数

dense_dim (int, 可选) – 生成的 CSR 张量的密集维度的数量。此参数仅当self是跨步张量时才应使用,并且必须是self张量维度的 0 到减 2 之间的值。

示例

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

>>> dense = torch.zeros(3, 3, 1, 1)
>>> dense[0, 0] = dense[1, 2] = dense[2, 1] = 1
>>> dense.to_sparse_csr(dense_dim=2)
tensor(crow_indices=tensor([0, 1, 2, 3]),
       col_indices=tensor([0, 2, 1]),
       values=tensor([[[1.]],

                      [[1.]],

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

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度教程

查看教程

资源

查找开发资源并解答您的问题

查看资源