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,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, colsvalues 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])

使用本API的教程文档