torch.Tensor.to_sparse_csr

Tensor.to_sparse_csr(dense_dim=None) → Tensor

将张量转换为压缩行存储格式（CSR）。除了分步张量外，仅适用于二维张量。如果self是分步张量，则可以指定密集维度的数量，并创建一个混合的CSR张量，具有dense_dim个密集维度和self.dim() - 2 - dense_dim个批次维度。

参数

dense_dim (int, 可选) – 结果 CSR 张量的密集维度数量。此参数仅在 self 是分步张量时使用，并且其值必须介于 0 和 self 张量维度减去二之间。

示例：

>>> dense = torch.randn(5, 5)
>>> sparse = dense.to_sparse_csr()
>>> sparse._nnz()
25

>>> dense = torch.zeros(3, 3, 1, 1)
>>> dense[0, 0] = dense[1, 2] = dense[2, 1] = 1
>>> dense.to_sparse_csr(dense_dim=2)
tensor(crow_indices=tensor([0, 1, 2, 3]),
       col_indices=tensor([0, 2, 1]),
       values=tensor([[[1.]],

                      [[1.]],

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