[torch 参数更多]torch.sparse_csr_tensor

torch.sparse_csr_tensor

torch.sparse_csr_tensor(crow_indices,
                        col_indices,
                        values,
                        size=None,
                        *,
                        dtype=None,
                        layout=torch.strided,
                        device=None,
                        pin_memory=False,
                        requires_grad=False,
                        check_invariants=None)

paddle.sparse.sparse_csr_tensor

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

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
crow_indices crows 每行第一个非零元素在 values 的起始位置，仅参数名不一致。
col_indices cols 一维数组，存储每个非零元素的列信息，仅参数名不一致。
values values 一维数组，存储非零元素。
size shape 稀疏 Tensor 的形状，仅参数名不一致。
dtype dtype 创建 tensor 的数据类型。
layout - 表示布局方式，Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
device place 创建 tensor 的设备位置，仅参数名不一致。
pin_memory - 表示是否使用锁页内存， Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
requires_grad stop_gradient 是否阻断 Autograd 的梯度传导，两者参数功能相反，需要转写。
check_invariants - 是否检查稀疏 Tensor 变量，Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。

转写示例

requires_grad 参数：是否阻断 Autograd 的梯度传导

# PyTorch 写法
crows = [0, 2, 3, 5]
cols = [1, 3, 2, 0, 1]
values = [1, 2, 3, 4, 5]
dense_shape = [3, 4]
csr = torch.sparse_csr_tensor(crows, cols, values, dense_shape, requires_grad=False)

# Paddle 写法
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, stop_gradient= True)