torch.sparse

1.如何構造一個稀疏矩陣呢？

indices = torch.LongTensor([[0,0], [1,1], [2,2]])#稀疏矩陣中非零元素的坐標
indices = indices.t() #一定要轉置，因為后面sparse.FloatTensor的第一個參數就是該變量，要求是一個含有兩個元素的列表，每個元素也是一個列表。第一個子列表是非零元素所在的行，第二個子列表是非零元素所在的列。
print(indices)
values = torch.FloatTensor([3,4,5])
mat = torch.sparse.FloatTensor(indices,values,[4,4])
print(mat)
print(mat.to_dense())

輸出如下：

tensor([[0, 1, 2],
        [0, 1, 2]])
tensor(indices=tensor([[0, 1, 2],
                       [0, 1, 2]]),
       values=tensor([3., 4., 5.]),
       size=(4, 4), nnz=3, layout=torch.sparse_coo)
tensor([[3., 0., 0., 0.],
        [0., 4., 0., 0.],
        [0., 0., 5., 0.],
        [0., 0., 0., 0.]])

2.怎么獲得這個稀疏矩陣的indices呢？

x = mat.coalesce().indices()
print(x)

至於為啥要coalesce我也不曉得，反正就記住唄。對了，忘了說了，上面有寫到，給一個torch tensor轉置用函數t()。

輸出如下：

tensor([[0, 1, 2],
        [0, 1, 2]])

3.怎么給稀疏矩陣切片呢？

稀疏矩陣切片不能使用coo_matrix（三元組），可以將矩陣轉化為csr_matrix,轉化方式很簡單

import scipy.sparse as sp
row = [0, 0, 0, 1, 1, 1, 2, 2, 2]    # 行指標
col = [0, 1, 2, 0, 1, 2, 0, 1, 2]    # 列指標
data = [1, 0, 1, 0, 1, 1, 1, 1, 0]   # 在行指標列指標下的數字
team = sp.csr_matrix((data, (row, col)), shape=(3, 3))
print(team)
print(team.todense())                #todense()與toarray()的效果一樣，都是將矩陣輸出.
print(team.toarray())

輸出如下：

  (0, 0)    1
  (0, 1)    0
  (0, 2)    1
  (1, 0)    0
  (1, 1)    1
  (1, 2)    1
  (2, 0)    1
  (2, 1)    1
  (2, 2)    0
[[1 0 1]
 [0 1 1]
 [1 1 0]]
[[1 0 1]
 [0 1 1]
 [1 1 0]]