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

indices = [[0, 1, 2], [1, 2, 0]]
values = [1.0, 2.0, 3.0]
dense_shape = [3, 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.])