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 int16 ， int32 和 int64 。
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 int16 ， int32 和 int64 。
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.]]