torch.Tensor.to_sparse_bsc

Tensor.to_sparse_bsc(blocksize, dense_dim) → Tensor

將張量轉換為給定塊大小的塊稀疏列 (BSC) 儲存格式。如果 self 是跨步的，則可以指定密集維度的數量，並且將建立一個混合 BSC 張量，其中包含 dense_dim 個密集維度和 self.dim() - 2 - dense_dim 個批次維度。

引數

• blocksize (list, tuple, torch.Size, optional) – 結果 BSC 張量的塊大小。塊大小必須是長度為二的元組，其元素能整除兩個稀疏維度。

• dense_dim (int, optional) – 結果 BSC 張量的密集維度數量。此引數僅應用於 self 是跨步張量的情況，並且必須是介於 0 和 self 張量維度減去二之間的值。

示例

>>> dense = torch.randn(10, 10)
>>> sparse = dense.to_sparse_csr()
>>> sparse_bsc = sparse.to_sparse_bsc((5, 5))
>>> sparse_bsc.row_indices()
tensor([0, 1, 0, 1])

>>> dense = torch.zeros(4, 3, 1)
>>> dense[0:2, 0] = dense[0:2, 2] = dense[2:4, 1] = 1
>>> dense.to_sparse_bsc((2, 1), 1)
tensor(ccol_indices=tensor([0, 1, 2, 3]),
       row_indices=tensor([0, 1, 0]),
       values=tensor([[[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]]]), size=(4, 3, 1), nnz=3,
       layout=torch.sparse_bsc)