文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

文档反馈

mindspore.RowTensor

class mindspore.RowTensor(indices=None, values=None, shape=None, row_tensor=None)[源代码]

用来表示一组指定索引的Tensor切片的稀疏表示。

若RowTensor的 values 的shape为 $(d_{0}, d_{1}, . . ., d_{n})$ ，则该RowTensor用于表示一个有着shape为 $(l_{0}, d_{1}, . . ., d_{n})$ 的更大的稠密Tensor的子集，其中 $d_{i}$ 为RowTensor第i轴的size， $l_{0}$ 为稠密Tensor在第0轴的size，并且 $l_{0} > d_{0}$ 。

其中，参数 indices 用于指定 RowTensor 从该稠密Tensor的第一维度的哪些位置来进行切片，即参数 indices 和 values 满足以下关系： $d e n s e [i n d i c e s [i], :, :, :, . . .] = v a l u e s [i, :, :, :, . . .]$ 。

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

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

警告

这是一个实验性API，后续可能修改或删除。
使用PyNative模式，需要添加"export MS_PYNATIVE_CONFIG_STATIC_SHAPE=1"。

参数：

indices (Tensor) - shape为 $(d_{0})$ 的一维整数Tensor。默认值： None 。
values (Tensor) - shape为 $(d_{0}, d_{1}, . . ., d_{n})$ 中任意类型的Tensor。默认值： None 。
shape (tuple(int)) - 包含相应稠密Tensor shape的整数元组。默认值： None 。
row_tensor (RowTensor) - RowTensor对象，用来初始化新的RowTensor。默认值： None 。

返回：

RowTensor，由 indices 、 values 和 shape 组成。

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor, RowTensor
>>> indices = Tensor([0])
>>> values = Tensor([[1, 2]], dtype=ms.float32)
>>> shape = (3, 2)
>>> x = RowTensor(indices, values, shape)
>>> print(x.values)
[[1. 2.]]
>>> print(x.indices)
[0]
>>> print(x.dense_shape)
(3, 2)