torch.sparse.sum

torch.sparse.sum(input, dim=None, dtype=None)[源代码]

返回给定稀疏张量每行的元素和。

计算稀疏张量input在给定维度dim上每一行的和。如果dim是一个维度列表，则在其所有维度上进行求和操作。当遍历所有的sparse_dim时，此方法返回一个密集张量而不是稀疏张量。

所有求和的dim维度都被压缩（参见torch.squeeze()），输出张量比输入张量少dim个维度。

在反向传播过程中，只有nnz位置的梯度会从input传递回来。需要注意的是，input的梯度会被合并在一起。

参数

• input (Tensor) – 待输入的稀疏张量

• dim (int 或 元组 of ints) – 要减少的维度或维度列表。默认：在所有维度上进行缩减。

• dtype (torch.dtype, 可选) - 返回的张量的数据类型。默认值为 input 的数据类型。

返回类型

Tensor

示例：

>>> nnz = 3
>>> dims = [5, 5, 2, 3]
>>> I = torch.cat([torch.randint(0, dims[0], size=(nnz,)),
                   torch.randint(0, dims[1], size=(nnz,))], 0).reshape(2, nnz)
>>> V = torch.randn(nnz, dims[2], dims[3])
>>> size = torch.Size(dims)
>>> S = torch.sparse_coo_tensor(I, V, size)
>>> S
tensor(indices=tensor([[2, 0, 3],
                       [2, 4, 1]]),
       values=tensor([[[-0.6438, -1.6467,  1.4004],
                       [ 0.3411,  0.0918, -0.2312]],

                      [[ 0.5348,  0.0634, -2.0494],
                       [-0.7125, -1.0646,  2.1844]],

                      [[ 0.1276,  0.1874, -0.6334],
                       [-1.9682, -0.5340,  0.7483]]]),
       size=(5, 5, 2, 3), nnz=3, layout=torch.sparse_coo)

# when sum over only part of sparse_dims, return a sparse tensor
>>> torch.sparse.sum(S, [1, 3])
tensor(indices=tensor([[0, 2, 3]]),
       values=tensor([[-1.4512,  0.4073],
                      [-0.8901,  0.2017],
                      [-0.3183, -1.7539]]),
       size=(5, 2), nnz=3, layout=torch.sparse_coo)

# when sum over all sparse dim, return a dense tensor
# with summed dims squeezed
>>> torch.sparse.sum(S, [0, 1, 3])
tensor([-2.6596, -1.1450])