torch.sparse.sampled_addmm¶
- torch.sparse.sampled_addmm(input, mat1, mat2, *, beta=1., alpha=1., out=None) Tensor ¶
根据
input
的稀疏模式指定的 位置,执行密集矩阵mat1
和mat2
的矩阵乘法。矩阵input
将添加到最终结果中。在数学上,此操作执行以下运算
其中
) \text{spy}(\text{input}) 是input
的稀疏模式矩阵,alpha
和beta
是缩放因子。 在input
具有非零值的位置处值为 1,在其他位置处值为 0。注意
input
必须是稀疏 CSR 张量。mat1
和mat2
必须是密集张量。- 参数
- 关键字参数
beta (数字, 可选) –
input
的乘数 ()alpha (数字, 可选) – 的乘数 ()
out (张量, 可选) – 输出张量。如果为 None 则忽略。默认值: None。
示例
>>> input = torch.eye(3, device='cuda').to_sparse_csr() >>> mat1 = torch.randn(3, 5, device='cuda') >>> mat2 = torch.randn(5, 3, device='cuda') >>> torch.sparse.sampled_addmm(input, mat1, mat2) tensor(crow_indices=tensor([0, 1, 2, 3]), col_indices=tensor([0, 1, 2]), values=tensor([ 0.2847, -0.7805, -0.1900]), device='cuda:0', size=(3, 3), nnz=3, layout=torch.sparse_csr) >>> torch.sparse.sampled_addmm(input, mat1, mat2).to_dense() tensor([[ 0.2847, 0.0000, 0.0000], [ 0.0000, -0.7805, 0.0000], [ 0.0000, 0.0000, -0.1900]], device='cuda:0') >>> torch.sparse.sampled_addmm(input, mat1, mat2, beta=0.5, alpha=0.5) tensor(crow_indices=tensor([0, 1, 2, 3]), col_indices=tensor([0, 1, 2]), values=tensor([ 0.1423, -0.3903, -0.0950]), device='cuda:0', size=(3, 3), nnz=3, layout=torch.sparse_csr)