mindspore.CSRTensor

class mindspore.CSRTensor(indptr=None, indices=None, values=None, shape=None, csr_tensor=None)

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

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) - 形状为 [N] 的一维张量，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。目前只支持2维CSRTensor，所以 shape 长度只能为2。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。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()

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

astype(dtype)

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。

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。

mv(dense_vector)

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。

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)

对CSRTensor的某个轴求和。

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()

将CSRTensor转换为COOTensor。

返回：

COOTensor。

支持平台：

GPU CPU

to_dense()

将CSRTensor转换为稠密Tensor。

返回：

Tensor。

支持平台：

GPU

to_tuple()

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。