mindspore.nn.SparseTensorDenseMatmul

class mindspore.nn.SparseTensorDenseMatmul(adjoint_st=False, adjoint_dt=False)[源代码]

稀疏矩阵 a 乘以稠密矩阵 b 。稀疏矩阵和稠密矩阵的秩必须等于2。

参数：

  • adjoint_st (bool) - 如果为True，则在乘法之前转置稀疏Tensor。默认值：False。

  • adjoint_dt (bool) - 如果为True，则在乘法之前转置稠密Tensor。默认值：False。

输入：

  • indices (Tensor) - 二维Tensor，表示元素在稀疏Tensor中的位置。支持int32、int64，每个元素值都应该是非负的。shape为 \((n, 2)\) 。

  • values (Tensor) - 一维Tensor，表示 indices 位置上对应的值。支持float16、float32、float64、int32、int64。shape为 \((n,)\) 。

  • sparse_shape (tuple) - 指定稀疏Tensor的shape，由两个正整数组成，表示稀疏Tensor的shape为 \((N, C)\) 。

  • dense (Tensor) - 二维Tensor，数据类型与 values 相同。 如果 adjoint_st 为False， adjoint_dt 为False，则shape必须为 \((C, M)\) 。 如果 adjoint_st 为False， adjoint_dt 为True，则shape必须为 \((M, C)\) 。 如果 adjoint_st 为True， adjoint_dt 为False，则shape必须为 \((N, M)\) 。 如果 adjoint_st 为True， adjoint_dt 为True，则shape必须为 \((M, N)\) 。

输出：

Tensor，数据类型与 values 相同。如果 adjoint_st 为False，则shape为 \((N, M)\) 。如果 adjoint_st 为True，则shape为 \((C, M)\) 。

异常：

  • TypeError - adjoint_st 或 adjoint_dt 的类型不是bool，或者 indices、 values 、 dense 的数据类型不符合参数说明。

  • ValueError - sparse_shape 、 indices 、 values 、 dense 的shape不符合参数说明。

支持平台：

CPU

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore import nn
>>> indices = Tensor([[0, 1], [1, 2]], dtype=ms.int32)
>>> values = Tensor([1, 2], dtype=ms.float32)
>>> sparse_shape = (3, 4)
>>> dense = Tensor([[1, 1], [2, 2], [3, 3], [4, 4]], dtype=ms.float32)
>>> sparse_dense_matmul = nn.SparseTensorDenseMatmul()
>>> out = sparse_dense_matmul(indices, values, sparse_shape, dense)
>>> print(out)
[[2. 2.]
 [6. 6.]
 [0. 0.]]