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 , cols 和 values 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 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¶
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，可选) - 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，可选) - 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，可选) - 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, cols 和 values 创建的稀疏 Tensor。
代码示例
>>> import paddle
>>> 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(cpu), stop_gradient=True,
crows=[0, 2, 3, 5],
cols=[1, 3, 2, 0, 1],
values=[1, 2, 3, 4, 5])