torch.Tensor.to_sparse_csr

Tensor.to_sparse_csr(dense_dim=None) → Tensor

將張量轉換為壓縮行儲存格式 (CSR)。除了跨步張量 (strided tensors) 之外，僅適用於 2D 張量。如果 self 是跨步的，則可以指定密集維度的數量，並建立混合 CSR 張量，其中包含 dense_dim 個密集維度，以及 self.dim() - 2 - dense_dim 個批次維度。

參數

dense_dim (int, optional) – 結果 CSR 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(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)