csr_matrix,coo_matrix转化成torch.sparse matrix

最新推荐文章于 2024-09-04 18:10:13 发布
最新推荐文章于 2024-09-04 18:10:13 发布
阅读量470 收藏
点赞数
分类专栏： pytorch 文章标签： 人工智能 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/StarfishCu/article/details/128266755
版权
本文介绍了如何将Scipy库中的CSR和COO矩阵转换为PyTorch支持的稀疏矩阵格式，这对于在深度学习中处理大规模稀疏数据尤其重要。了解这种转换对于有效地在神经网络中利用稀疏数据至关重要。
摘要由CSDN通过智能技术生成 
	#adjM is csr_matrix
    coo_adj=adjM.tocoo()
    values = coo_adj.data
    indices = np.vstack((coo_adj.row, coo_adj.col))
    i = torch.LongTensor(indices)
    v
最低0.47元/天 解锁文章
StarfishCu
关注
专栏目录
使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵
Byte_O_O的博客
09-04 443
SciPy是一个强大的科学计算库，提供了处理稀疏矩阵的工具。其中，sparse模块中的csr_matrix函数可以将NumPy数组转换为压缩稀疏行（CSR）格式的稀疏矩阵。以上就是使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵的方法。转换后的稀疏矩阵将使用CSR格式表示，其中只包含非零元素的值和它们的索引。下面将介绍如何使用SciPy中的sparse.csr_matrix函数将NumPy数组转换为稀疏矩阵。在转换为稀疏矩阵之后，我们可以使用矩阵的属性和方法进行操作。
使用Scipy库中的sparse.csr_matrix函数将Numpy数组转换为稀疏矩阵
持续更新
05-08 558
可以看到，该稀疏矩阵的行指针为[0,1,2,3,3,4]，其中第i个元素表示第i行的第一个非零元素在data数组中的位置，而最后一个元素则等于非零元素的总个数。列索引为[2,1,4]，表示三个非零元素的列坐标分别为3、2和5。在上述例子中，我们首先创建一个5*5的Numpy数组，其中只有第1行第3列、第2行第2列和第3行第5列是非零的。通过上述例子，我们可以看到，使用Scipy中的sparse.csr_matrix函数将Numpy数组转换为CSR格式的稀疏矩阵非常简单，只需要一行代码即可完成。
sparse coo_matrix和torch coo_matrix转换
Yonggie的博客
04-06 2455
没办法直接转换，需要借助numpy转换。 import numpy as np import scipy.sparse as sp # a_matrix 是一个邻接矩阵 tmp_coo=sp.coo_matrix(a_matrix) values=tmp_coo.data indices=np.vstack((tmp_coo.row,tmp_coo.col)) i=torch.LongTensor(indices) v=torch.LongTensor(values) edge_idx=torch.spar
【稀疏矩阵】使用torch.sparse模块
在这里你甚至能学算卦，快进来看看
09-04 1504
目前，torch.sparse和scipy.sparse模块比较支持的主流的稀疏矩阵格式有coo格式、csr格式和csc格式，这三种格式中可供使用的API也最多。需要注意的是，使用操作符在稀疏张量和稠密张量之间乘法运算时，返回的都是稠密张量。如果输入的坐标有重复，则创建出的coo张量会自动把坐标重复的元素值相加。中每个元素可以是一个向量，表示对应坐标的稠密张量，因此，创建出的coo张量也多出了一个维度。，否则会报错，返回的稀疏张量的稀疏结构也与输入相同。此外，在进行稀疏与稀疏之间的数学运算时，一定要保证。
csr_matrix
qq_41289353的博客
03-14 1732
import numpy as np import torch.nn as nn row = np.array([0, 0, 1, 2, 2, 2]) col = np.array([0, 2, 2, 0, 1, 2]) data = np.array([1, 2, 3, 4, 5, 6]) from scipy.sparse import csr_matrix print(csr_matrix((data, (row, col)), shape=(3, 3)).A)
csr_matrix矩阵
Yan456jie的专栏
12-01 5984
#-*- encoding:utf-8 -*- import numpy as np from scipy.sparse import csr_matrix arr = np.array([[0,1,0,2,0],[1,1,0,2,0],[2,0,5,0,0]]) b = csr_matrix(arr) print b.shape #非零个数 print b.nnz #非零值 print
csr 矩阵 转为 tensor
FrankDura的博客
10-28 3946
综述 有时候我们会遇到稀疏矩阵: 他们表达为csr matrix. import numpy as np from scipy.sparse import csr_matrix import torch __author__ = 'Andrea Esuli' Acsr = csr_matrix([[1, 2, 0], [0, 0, 3], [4, 0, 5]]) print('Acsr',Acsr) Acoo = Acsr.tocoo() print('Acoo',Acoo) Apt = torch
torch sparse tensor转化为scipy.sparse.csr_matrix
StarfishCu的博客
09-30 1572
abaaba
scipy.sparse._csr.csr_matrix转换为pytorch类型
最新发布
09-28
Scipy库中的`scipy.sparse._csr.csr_matrix`是一个稀疏矩阵，通常用于处理大规模的数据，但在PyTorch中，数据需要更易操作的张量形式。为了将`csr_matrix`转换为PyTorch兼容的数据结构，如`torch.Tensor`，你可以...
C语言将CSR存储模式转为coo,将大型稀疏矩阵转换为COO时出错(Error converting large sparse matrix to COO)...
weixin_28823431的博客
05-17 838
将大型稀疏矩阵转换为COO时出错(Error converting large sparse matrix to COO)我遇到了下面的问题，试图浏览两个大的CSR矩阵：/usr/lib/python2.7/dist-packages/scipy/sparse/coo.pyc in _check(self)229 raise ValueError('negative...
torch.sparse_csr
03-28
torch.sparse_csr is a module ...- torch.sparse_csr_transpose: Transposes a CSR matrix. Overall, the torch.sparse_csr module provides a powerful and efficient way to work with sparse matrices in PyTorch.
稀疏满矩阵转CSR格式
11-16
稀疏满矩阵转按行压缩存储（CSR）格式，matlab源代码，用于学习和借鉴。
Python稀疏矩阵（coo,csr）
weixin_40248634的博客
06-21 1017
csr 或者coo .todense()返回矩阵 # data为csr matrix 或者是 coo matrix >>> print(data) (0, 0) -1.0 (0, 1) -0.64 (0, 2) -0.86437 (0, 3) -1.0 (0, 4) -0.37037 (0, 5) 0.155011 ... >>> m = data.todens
torch.sparse稀疏矩阵
andy dennis的博客
02-11 3829
前言 这几天接触图神经网络，会发现有些图的边相对结点比较少，那么邻接矩阵很多元素都为0， 显然，我们可以优化存储策略，以节省内存和加快运算。本文udating… 例子 import torch # 邻接矩阵 adj_dense = torch.tensor([[2, 0], [0, 3]]) # 下标 [0, 0], [1, 1] indices = torch.tensor([[0, 1], [0, 1]]) values = torch.tensor
C语言将CSR存储模式转为coo,稀疏矩阵存储格式总结+存储效率对比:COO,CSR,DIA,ELL,HYB...
weixin_39792475的博客
05-17 904
转载请注明出处：Bin的专栏，http://blog.csdn.net/xbinworld稀疏矩阵是指矩阵中的元素大部分是0的矩阵，事实上，实际问题中大规模矩阵基本上都是稀疏矩阵，很多稀疏度在90%甚至99%以上。因此我们需要有高效的稀疏矩阵存储格式。本文总结几种典型的格式：COO,CSR,DIA,ELL,HYB。(1)Coordinate(COO)这是最简单的一种格式，每一个元素需要用一个三元组...
稀疏矩阵 csr \ coo 用法，及文件操作
biu________的博客
04-03 1623
一、coo矩阵： 优点：比较容易转换成其他的稀疏矩阵存储格式（CSR等） 缺点：不能进行矩阵运算。 一般格式：coo_matrix((coo_data, (coo_rows, coo_cols)), shape=shape) 例： >>> import numpy as np >>> import scipy.sparse as sp &gt...
【scipy.sparse矩阵转torch.sparse】稀疏矩阵pytorch的转换
weixin_43916250的博客
12-24 4305
values =X_train.data indices = np.vstack((X_train.row, X_train.col)) i = torch.LongTensor(indices) v = torch.FloatTensor(values) shape = X_train.shape X_train=torch.sparse.FloatTensor(i, v, torch.Size(shape)) 注： 转换为scipy.sparse：.tocoo（）即可 ...
稀疏矩阵 以及 torch_sparse 整理
qq_40926715的博客
09-03 1027
稀疏矩阵处理
torch稀疏矩阵的索引和切片--index_select
m0_61432650的博客
12-12 2943
解决方法参考了知乎的一篇文章。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值