快捷方式

check_sparse_tensor_invariants

class torch.sparse.check_sparse_tensor_invariants(enable=True)[source]

用于控制检查稀疏张量不变量的工具。

以下选项用于在稀疏张量构造中管理稀疏张量不变量检查

  1. 使用上下文管理器

    with torch.sparse.check_sparse_tensor_invariants():
        run_my_model()
    
  2. 使用过程方法

    prev_checks_enabled = torch.sparse.check_sparse_tensor_invariants.is_enabled()
    torch.sparse.check_sparse_tensor_invariants.enable()
    
    run_my_model()
    
    if not prev_checks_enabled:
        torch.sparse.check_sparse_tensor_invariants.disable()
    
  3. 使用函数装饰器

    @torch.sparse.check_sparse_tensor_invariants()
    def run_my_model():
        ...
    
    run_my_model()
    
  4. 在稀疏张量构造函数调用中使用 check_invariants 关键字参数。例如

    >>> torch.sparse_csr_tensor([0, 1, 3], [0, 1], [1, 2], check_invariants=True)
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    RuntimeError: `crow_indices[..., -1] == nnz` is not satisfied.
    
static disable()[source]

在稀疏张量构造函数中禁用稀疏张量不变量检查。

有关更多信息,请参阅 torch.sparse.check_sparse_tensor_invariants.enable()

static enable()[source]

在稀疏张量构造函数中启用稀疏张量不变量检查。

注意

默认情况下,稀疏张量不变量检查处于禁用状态。使用 torch.sparse.check_sparse_tensor_invariants.is_enabled() 获取稀疏张量不变量检查的当前状态。

注意

稀疏张量不变量检查标志对所有稀疏张量构造函数都有效,包括 Python 和 ATen 中的构造函数。

可以通过稀疏张量构造函数的 check_invariants 可选参数在本地覆盖此标志。

static is_enabled()[source]

如果启用了稀疏张量不变量检查,则返回 True。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向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