mindspore.CSRTensor

class mindspore.CSRTensor(indptr=None, indices=None, values=None, shape=None, csr_tensor=None)[源代码]

用来表示某一张量在给定索引上非零元素的集合,其中行索引由 indptr 表示,列索引由 indices 表示,非零值由 values 表示。

如果 indptr 是[0, 1, 2, 2], indices 是[1, 2], values 是[1., 2.], shape 是(3, 4),那么它对应的稠密Tensor如下:

[[0., 1., 0., 0.],
 [0., 0., 2., 0.],
 [0., 0., 0., 0.]]

Note

这是一个实验特性,在未来可能会发生API的变化。 如果values或indices的长度超出了indptr所指定的取值范围,超出部分的行为将没有定义。

参数:
  • indptr (Tensor) - 形状为 [M] 的一维整数张量,其中M等于 shape[0] + 1 , 表示每行非零元素的在 values 中存储的起止位置。默认值:None。支持的数据类型为 int16int32int64

  • indices (Tensor) - 形状为 [N] 的一维整数张量,其中N等于非零元素数量,表示每个元素的列索引值。默认值:None。支持的数据类型为 int16int32int64

  • values (Tensor) - 张量,values的0维长度必须与indices的0维长度相等(values.shape[0] == indices.shape[0])。values用来表示索引对应的数值。默认值:None。

  • shape (tuple(int)) - 形状为ndims的整数元组,用来指定稀疏矩阵的稠密形状。shape[0] 表示行数,因此必须和 M - 1 值相等。默认值:None。

  • csr_tensor (CSRTensor) - CSRTensor对象,用来初始化新的CSRTensor。values的特征维度需要和csr_tensor的特征维度匹配(values.shape[1:] == csr_tensor.shape[2:])。默认值:None。

输出:

CSRTensor,稠密形状取决于传入的 shape ,数据类型由 values 决定。

样例:

>>> import mindspore as ms
>>> from mindspore import Tensor, CSRTensor
>>> # initialize a csr_tensor with indptr, indices, values and shape
>>> indptr = Tensor([0, 1, 2], dtype=ms.int32)
>>> indices = Tensor([0, 1], dtype=ms.int32)
>>> values = Tensor([1, 2], dtype=ms.float32)
>>> shape = (2, 4)
>>> csr_tensor = CSRTensor(indptr, indices, values, shape)
>>> # access a data member of CSRTensor
>>> print(indptr == csr_tensor.indptr)
[ True  True  True]
abs()[源代码]

对所有非零元素取绝对值,并返回新的CSRTensor。

返回:

CSRTensor。

支持平台:

Ascend GPU CPU

add(b, alpha, beta)[源代码]

两个CSR张量求和:C = alpha * a + beta * b

参数:
  • b (CSRTensor) - 稀疏CSR张量。

  • alpha (Tensor) - 稠密张量,shape必须可以广播给self。

  • beta (Tensor) - 稠密张量,shape必须可以广播给 b

返回:

CSRTensor,求和。

支持平台:

GPU CPU

样例:

>>> from mindspore import Tensor, CSRTensor
>>> import mindspore.common.dtype as mstype
>>> indptr = Tensor([0, 1, 2], dtype=mstype.int32)
>>> indices = Tensor([0, 1], dtype=mstype.int32)
>>> values_a = Tensor([2, 1], dtype=mstype.float32)
>>> values_b = Tensor([1, 2], dtype=mstype.float32)
>>> dense_shape = (2, 4)
>>> alpha = Tensor(1, mstype.float32)
>>> beta = Tensor(1, mstype.float32)
>>> a = CSRTensor(indptr, indices, values_a, dense_shape)
>>> b = CSRTensor(indptr, indices, values_b, dense_shape)
>>> print(a.add(b, alpha, beta))
    CSRTensor(shape=[2,4], dtype=Float32,
              indptr=Tensor(shape=[3], dtype=Int32, value = [0, 1, 2]),
              indices=Tensor(shape=[2], dtype=Int32, value = [0, 1]),
              values=Tensor(shape=[2], dtype=Float32, value = [3.0, 3.0]))
astype(dtype)[源代码]

返回指定数据类型的CSRTensor。

参数:
  • dtype (Union[mindspore.dtype, numpy.dtype, str]) - 指定数据类型。

返回:

CSRTensor。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore as ms
>>> from mindspore import Tensor, CSRTensor
>>> indptr = Tensor([0, 1, 2], dtype=ms.int32)
>>> indices = Tensor([0, 1], dtype=ms.int32)
>>> values = Tensor([1, 2], dtype=ms.float32)
>>> shape = (2, 4)
>>> csr_tensor = CSRTensor(indptr, indices, values, shape)
>>> print(csr_tensor.astype(ms.float64).dtype)
Float64
property dtype

返回稀疏矩阵非零元素值数据类型(mindspore.dtype)。

property indices

返回CSRTensor的列索引值。

property indptr

返回CSRTensor的行偏移量。

property itemsize

返回每个非零元素所占字节数。

mm(dense_matrix)[源代码]

返回CSRTensor右乘稠密矩阵的矩阵乘法运算结果。 形状为 [M, N] 的CSRTensor,需要适配形状为 [N, K] 的稠密矩阵,得到结果为 [M, K] 的稠密矩阵。

Note

如果运行后端是CPU,那么仅支持在安装了LLVM12.0.1的机器运行。

参数:
  • dense_matrix (Tensor) - 形状为 [N,K] 的二维矩阵,其中N等于CSRTensor的列数。

返回:

Tensor。

支持平台:

GPU CPU

样例:

>>> from mindspore import Tensor, CSRTensor
>>> from mindspore import dtype as mstype
>>> indptr = Tensor([0, 1, 2], dtype=mstype.int32)
>>> indices = Tensor([0, 1], dtype=mstype.int32)
>>> values = Tensor([2, 1], dtype=mstype.float32)
>>> dense_shape = (2, 4)
>>> csr_tensor = CSRTensor(indptr, indices, values, dense_shape)
>>> dense_matrix = Tensor([[1., 2.], [1, 2.], [1, 2.], [1., 2.]], dtype=mstype.float32)
>>> print(csr_tensor.mm(dense_matrix))
[[2. 4.]
[1. 2.]]
mv(dense_vector)[源代码]

返回CSRTensor右乘稠密矩阵的矩阵乘法运算结果。 形状为 [M, N] 的CSRTensor,需要适配形状为 [N, 1] 的稠密向量,得到结果为 [M, 1] 的稠密向量。

Note

如果运行后端是CPU,那么仅支持在安装了LLVM12.0.1的机器运行。

参数:
  • dense_vector (Tensor) - 形状为 [N,1] 的二维张量,其中N等于CSRTensor的列数。

返回:

Tensor。

支持平台:

GPU CPU

样例:

>>> from mindspore import Tensor, CSRTensor
>>> from mindspore import dtype as mstype
>>> indptr = Tensor([0, 1, 2], dtype=mstype.int32)
>>> indices = Tensor([0, 1], dtype=mstype.int32)
>>> values = Tensor([2, 1], dtype=mstype.float32)
>>> dense_shape = (2, 4)
>>> csr_tensor = CSRTensor(indptr, indices, values, dense_shape)
>>> dense = Tensor([[1], [1], [1], [1]], dtype=mstype.float32)
>>> print(csr_tensor.mv(dense))
[[2.]
[1.]]
property ndim

稀疏矩阵的稠密维度。

property shape

返回稀疏矩阵的稠密形状。

property size

返回稀疏矩阵非零元素值数量。

sum(axis)[源代码]

对CSRTensor的某个轴求和。

Note

如果运行后端是CPU,那么仅支持在安装了LLVM12.0.1的机器运行。

参数:
  • axis (int) - 求和轴。

返回:

Tensor。

支持平台:

GPU CPU

样例:

>>> from mindspore import Tensor, CSRTensor
>>> from mindspore import dtype as mstype
>>> indptr = Tensor([0, 1, 2], dtype=mstype.int32)
>>> indices = Tensor([0, 1], dtype=mstype.int32)
>>> values = Tensor([2, 1], dtype=mstype.float32)
>>> dense_shape = (2, 4)
>>> csr_tensor = CSRTensor(indptr, indices, values, dense_shape)
>>> print(csr_tensor.sum(1))
[[2.]
[1.]]
to_coo()[源代码]

将CSRTensor转换为COOTensor。

Note

如果运行后端是CPU,那么仅支持在安装了LLVM12.0.1的机器运行。

返回:

COOTensor。

支持平台:

GPU CPU

to_dense()[源代码]

将CSRTensor转换为稠密Tensor。

返回:

Tensor。

支持平台:

GPU

to_tuple()[源代码]

将CSRTensor的行偏移量,列索引,非零元素,以及形状信息作为tuple返回。

返回:

tuple(Tensor,Tensor, Tensor, tuple(int))。

支持平台:

Ascend GPU CPU

property values

返回CSRTensor的非零元素值。