mindspore.COOTensor

class mindspore.COOTensor(indices=None, values=None, shape=None, coo_tensor=None)

用来表示某一张量在给定索引上非零元素的集合，其中索引(indices)指示了每一个非零元素的位置。

对一个稠密Tensor dense 来说，它对应的COOTensor(indices, values, shape)，满足 dense[indices[i]] = values[i] 。

如果 indices 是[[0, 1], [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。目前COOTensor中相同索引的值不会进行合并。如果索引中包含界外值，则得出未定义结果。

参数：

• indices (Tensor) - 形状为 [N, ndims] 的二维整数张量，其中N和ndims分别表示稀疏张量中 values 的数量和COOTensor维度的数量。目前 ndims 只能为2。请确保indices的值在所给shape范围内。

• values (Tensor) - 形状为 [N] 的一维张量，用来给 indices 中的每个元素提供数值。

• 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。

• coo_tensor (COOTensor) - COOTensor对象，用来初始化新的COOTensor。

返回：

COOTensor，由 indices 、 values 和 shape 组成。

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> from mindspore import Tensor, COOTensor
>>> indices = Tensor([[0, 1], [1, 2]], dtype=ms.int32)
>>> values = Tensor([1, 2], dtype=ms.float32)
>>> shape = (3, 4)
>>> x = COOTensor(indices, values, shape)
>>> print(x.values)
[1. 2.]
>>> print(x.indices)
[[0 1]
 [1 2]]
>>> print(x.shape)
(3, 4)

abs()

对所有非零元素取绝对值，并返回新的COOTensor。

返回：

COOTensor。

支持平台：

Ascend GPU CPU

add(other, thresh)

与另一个COOTensor相加，并返回新的COOTensor。

参数：

• other (COOTensor) - 另一个操作数，与当前操作数相加。

• thresh (Tensor) - 0维，用来决定COOTensor.add结果中的indices/values对是否出现。

返回：

COOTensor，为两COOTensor相加后的结果。

异常：

• ValueError - 如果操作数(本COOTensor/other)的indices的维度不等于2。

• ValueError - 如果操作数(本COOTensor/other)的values的维度不等于1。

• ValueError - 如果操作数(本COOTensor/other)的shape的维度不等于1。

• ValueError - 如果thresh的维度不等于0。

• TypeError - 如果操作数(本COOTensor/other)的indices的数据类型不为int64。

• TypeError - 如果操作数(本COOTensor/other)的shape的数据类型不为int64。

• ValueError - 如果操作数(本COOTensor/other)的indices的长度不等于它的values的长度。

• TypeError - 如果操作数(本COOTensor/other)的values的数据类型不为(int8/int16/int32/int64/float32/float64/complex64/complex128)中的任何一个。

• TypeError - 如果thresh的数据类型不为(int8/int16/int32/int64/float32/float64)中的任何一个。

• TypeError - 如果操作数(本COOTensor)的indices数据类型不等于other的indices数据类型。

• TypeError - 如果操作数(本COOTensor)的values数据类型不等于other的values数据类型。

• TypeError - 如果操作数(本COOTensor)的shape数据类型不等于other的shape数据类型。

• TypeError - 如果操作数(本COOTensor/other)的values的数据类型与thresh数据类型不匹配。

支持平台：

CPU GPU

样例：

>>> from mindspore import Tensor, COOTensor
>>> from mindspore import dtype as mstype
>>> indics0 = Tensor([[0, 1], [1, 2]], dtype=mstype.int64)
>>> values0 = Tensor([1, 2], dtype=mstype.int32)
>>> shape0 = (3, 4)
>>> input0 = COOTensor(indics0, values0, shape0)
>>> indics1 = Tensor([[0, 0], [1, 1]], dtype=mstype.int64)
>>> values1 = Tensor([3, 4], dtype=mstype.int32)
>>> shape1 = (3, 4)
>>> input1 = COOTensor(indics1, values1, shape1)
>>> thres = Tensor(0, dtype=mstype.int32)
>>> out = input0.add(input1, thres)
>>> print(out)
COOTensor(shape = [3, 4], dtype = Int32, indices=Tensor(shape=[4, 2],
dtype = Int64, value=[[0 0], [0 1], [1 1], [1 2]]),  values=Tensor(shape[4],
dtype=Int32, value=[3 1 4 2]))

astype(dtype)

返回指定数据类型的COOTensor。

参数：

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

返回：

COOTensor。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor, COOTensor
>>> indices = Tensor([[0, 1], [1, 2]], dtype=ms.int32)
>>> values = Tensor([1, 2], dtype=ms.float32)
>>> shape = (3, 4)
>>> coo_tensor = COOTensor(indices, values, shape)
>>> print(coo_tensor.astype(ms.float64).dtype)
Float64

coalesce()

合并COOTensor中相同索引的值。

返回：

COOTensor。

支持平台：

GPU

property dtype

返回COOTensor数据类型（mindspore.dtype）。

property indices

返回COOTensor的索引值。

property itemsize

返回每个非零元素所占字节数。

property ndim

返回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。

to_csr()

将COOTensor转换为CSRTensor。

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：

CSRTensor。

支持平台：

GPU CPU

to_dense()

将COOTensor转换为稠密Tensor。

返回：

Tensor。

支持平台：

GPU

to_tuple()

将COOTensor的索引，非零元素，以及形状信息作为tuple返回。

返回：

tuple(Tensor, Tensor, tuple(int))。

支持平台：

Ascend GPU CPU

property values

返回COOTensor的非零元素值。