sparse_csr_tensor

paddle.sparse. sparse_csr_tensor ( crows, cols, values, shape, dtype=None, place=None, stop_gradient=True ) [源代码]

该API通过已知的非零元素的 crows , colsvalues 来创建一个CSR(Compressed Sparse Row) 格式的稀疏tensor,tensor类型为 paddle.Tensor

当前 sparse_csr_tensor 要求输入的 crows 中每个batch的数据是递增的, cols 也是递增的。

crows 可以是 scalar,tuple,list,numpy.ndarray,paddle.Tensor。 cols 可以是 scalar,tuple,list,numpy.ndarray,paddle.Tensor。 values 可以是 scalar,tuple,list,numpy.ndarray,paddle.Tensor。

如果 values 已经是一个tensor,且 dtypeplace 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

  • crows (list|tuple|ndarray|Tensor) - 每行第一个非零元素在 values 的起始位置。可以是 list,tuple,numpy.ndarray,paddle.Tensor类型。

  • cols (list|tuple|ndarray|Tensor) - 一维数组,存储每个非零元素的列信息。可以是 list,tuple,numpy.ndarray,paddle.Tensor类型。

  • values (list|tuple|ndarray|Tensor) - 一维数组,存储非零元素,可以是 list,tuple,numpy.ndarray,paddle.Tensor类型。

  • shape (list|tuple) - 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 crows, colsvalues 创建的稀疏Tensor。

代码示例

import paddle
from paddle.fluid.framework import _test_eager_guard

with _test_eager_guard():
    crows = [0, 2, 3, 5]
    cols = [1, 3, 2, 0, 1]
    values = [1, 2, 3, 4, 5]
    dense_shape = [3, 4]
    csr = paddle.sparse.sparse_csr_tensor(crows, cols, values, dense_shape)
    # print(csr)
    # Tensor(shape=[3, 4], dtype=paddle.int64, place=Place(gpu:0), stop_gradient=True,
    #       crows=[0, 2, 3, 5],
    #       cols=[1, 3, 2, 0, 1],
    #       values=[1, 2, 3, 4, 5])