torch.Tensor.to_sparse_csr

Tensor.to_sparse_csr(dense_dim=None) → Tensor

將張量轉換為壓縮行儲存 (CSR) 格式。除了步進張量 (strided tensors) 外，僅適用於二維張量。如果 self 是步進張量，則可以指定稠密維度 (dense_dim) 的數量，並將建立一個混合 CSR 張量，其中包含 dense_dim 個稠密維度和 self.dim() - 2 - dense_dim 個批處理維度。

引數

dense_dim (int, 可選) – 結果 CSR 張量的稠密維度數量。此引數僅在 self 是步進張量時使用，其值必須介於 0 和 self 張量的維度減二之間。

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)