sparse_coo_tensor¶

paddle.sparse. sparse_coo_tensor ( indices, values, shape=None, dtype=None, place=None, stop_gradient=True ) [源代码] ¶

该API通过已知的非零元素的 indices 和 values 来创建一个coordinate格式的稀疏tensor，tensor类型为 paddle.Tensor 。

其中 indices 是存放坐标信息，是一个二维数组，每一列是对应非零元素的坐标，shape是 [sparse_dim, nnz] , sparse_dim 是坐标的维度， nnz 是非零元素的个数。

其中 values 是存放非零元素，是一个多维数组，shape是 [nnz, {dense_dim}] , nnz是非零元素个数， dense_dim 是非零元素的维度。

如果 values 已经是一个tensor，且 dtype 、 place 没有发生变化，将不会发生 tensor 的拷贝并返回原来的 tensor。否则会创建一个新的tensor，且不保留原来计算图。

参数¶

indices (list|tuple|ndarray|Tensor) - 初始化tensor的数据，可以是 list，tuple，numpy.ndarray，paddle.Tensor类型。

values (list|tuple|ndarray|Tensor) - 初始化tensor的数据，可以是 list，tuple，numpy.ndarray，paddle.Tensor类型。

shape (list|tuple, optional) - 稀疏Tensor的形状，也是Tensor的形状，如果没有提供，将自动推测出最小的形状。

dtype (str|np.dtype, optional) - 创建tensor的数据类型，可以是 'bool' ，'float16'，'float32'， 'float64' ，'int8'，'int16'，'int32'，'int64'，'uint8'，'complex64'，'complex128'。默认值为None，如果 values 为python浮点类型，则从 get_default_dtype 获取类型，如果 values 为其他类型，则会自动推导类型。

place (CPUPlace|CUDAPinnedPlace|CUDAPlace|str, optional) - 创建tensor的设备位置，可以是 CPUPlace, CUDAPinnedPlace, CUDAPlace。默认值为None，使用全局的place。

stop_gradient (bool, optional) - 是否阻断Autograd的梯度传导。默认值为True，此时不进行梯度传传导。

返回¶

通过 indices 和 values 创建的稀疏Tensor。

代码示例¶

          import paddle
from paddle.fluid.framework import _test_eager_guard

with _test_eager_guard():
    indices = [[0, 1, 2], [1, 2, 0]]
    values = [1.0, 2.0, 3.0]
    dense_shape = [2, 3]
    coo = paddle.sparse.sparse_coo_tensor(indices, values, dense_shape)
    # print(coo)
    # Tensor(shape=[2, 3], dtype=paddle.float32, place=Place(gpu:0), stop_gradient=True,
    #       indices=[[0, 1, 2],
    #                [1, 2, 0]],
    #       values=[1., 2., 3.])

         