mindspore.ops.SparseTensorDenseMatmul

class mindspore.ops.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矩阵 A 。默认值：False。
adjoint_dt (bool) - 如果为True，则在乘法之前转置稠密矩阵 B 。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是 \((n, 2)\) 。
values (Tensor) - 一维Tensor，表示 indices 位置上对应的值。支持float16、float32、float64、int32、int64、complex64、complex128。shape是 \((n,)\) 。
sparse_shape (tuple(int) 或 Tensor) - 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 - 如果 adjoint_st 或 adjoint_dt 的数据类型不是bool，或者 indices 、 values 、 dense 的数据类型不符合参数中所描述支持的数据类型。
ValueError - 如果 sparse_shape 、 indices 、 values 和 dense 的shape不符合参数中所描述支持的数据类型。

支持平台：

GPU CPU

样例：

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