1-3 Tensor的属性——稀疏的张量的编程实践

张量的存放位置

import torch

dev = torch.device("cpu")  # 将tensor放置在cpu上，用cpu进行计算
a = torch.tensor([2,2]，evice=dev)
print(a)

输出：tensor([2, 2])

dev = torch.device("cpu")  # 将tensor放置在cpu上，用cpu进行计算
dev = torch.device("cuda")  # 存放在cuda上
a = torch.tensor([2,2],
                 dtype=torch.float32,  # 定义float类型
                 device=dev)
print(a)

输出：tensor([2., 2.], device='cuda:0')

稀疏的张量转为稠密张量

### 定义稀疏张量
i = torch.tensor([[0,1,2],[0,1,2]])
v = torch.tensor([1,2,3])
a = torch.sparse_coo_tensor(i,v,(4,4))

print(a)

输出：

tensor(indices=tensor([[0, 1, 2],
                       [0, 1, 2]]),
       values=tensor([1, 2, 3]),
       size=(4, 4), nnz=3, layout=torch.sparse_coo)

转为稠密的张量

i = torch.tensor([[0,1,2],[0,1,2]])
v = torch.tensor([1,2,3])
a = torch.sparse_coo_tensor(i,v,(4,4),
                            dtype=torch.float32,
                            device=dev).to_dense()

输出：

tensor([[1., 0., 0., 0.],
        [0., 2., 0., 0.],
        [0., 0., 3., 0.],
        [0., 0., 0., 0.]], device='cuda:0')