torch.Tensor.to_sparse_bsr

Tensor.to_sparse_bsr(blocksize, dense_dim) → Tensor

將張量轉換為給定區塊大小的區塊稀疏列（BSR）儲存格式。 如果 self 是跨步 (strided) 的，則可以指定密集維度的數量，並建立混合 BSR 張量，其中包含 dense_dim 個密集維度和 self.dim() - 2 - dense_dim 個批次維度。

參數

• blocksize (list, tuple, torch.Size, optional) – 結果 BSR 張量的區塊大小。區塊大小必須是長度為 2 的 tuple，以便其項目能均勻地劃分兩個稀疏維度。

• dense_dim (int, optional) – 結果 BSR 張量的密集維度數量。 只有當 self 是跨步張量時才應使用此參數，並且必須是介於 0 和 self 張量維度減 2 之間的值。

範例

>>> dense = torch.randn(10, 10)
>>> sparse = dense.to_sparse_csr()
>>> sparse_bsr = sparse.to_sparse_bsr((5, 5))
>>> sparse_bsr.col_indices()
tensor([0, 1, 0, 1])

>>> dense = torch.zeros(4, 3, 1)
>>> dense[0:2, 0] = dense[0:2, 2] = dense[2:4, 1] = 1
>>> dense.to_sparse_bsr((2, 1), 1)
tensor(crow_indices=tensor([0, 2, 3]),
       col_indices=tensor([0, 2, 1]),
       values=tensor([[[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]]]), size=(4, 3, 1), nnz=3,
       layout=torch.sparse_bsr)