mindspore.RowTensor

class mindspore.RowTensor(indices=None, values=None, shape=None, row_tensor=None)[源代码]

用来表示一组指定索引的Tensor切片的稀疏表示。

若RowTensor的 values 的shape为 \((d_0, d_1, ..., d_n)\)，则该RowTensor用于表示一个有着shape为 \((l_0, d_1, ..., d_n)\) 的更大的稠密Tensor的子集，其中 \(d_i\) 为RowTensor第i轴的size， \(l_0\) 为稠密Tensor在第0轴的size，并且 \(l_0 > d_0\) 。

其中，参数 indices 用于指定 RowTensor 从该稠密Tensor的第一维度的哪些位置来进行切片，即参数 indices 和 values 满足以下关系： \(dense[indices[i], :, :, :, ...] = values[i, :, :, :, ...]\) 。

如果 indices 是[0]， values 是[[1, 2]]， shape 是 \((3, 2)\) ，那么它对应的稠密Tensor如下：

[[1, 2],
 [0, 0],
 [0, 0]]

警告

这是一个实验性API，后续可能修改或删除。

参数：

indices (Tensor) - shape为 \((d_0)\) 的一维整数Tensor。默认值： None 。
values (Tensor) - shape为 \((d_0, d_1, ..., d_n)\) 中任意类型的Tensor。默认值： None 。
shape (tuple(int)) - 包含相应稠密Tensor shape的整数元组。默认值： None 。
row_tensor (RowTensor) - RowTensor对象，用来初始化新的RowTensor。默认值： None 。

返回：

RowTensor，由 indices 、 values 和 shape 组成。

样例：

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