稀疏矩阵的理解

最新推荐文章于 2022-06-14 22:05:04 发布
最新推荐文章于 2022-06-14 22:05:04 发布
阅读量1.2k 收藏
点赞数 1
分类专栏： 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/ningyanggege/article/details/83505983
版权

稀疏矩阵的本质在于保存非0元素的索引与值，索引包括行索引与列索引；

最简单的模式如下：告知每个元素的行列索引；

第二种方法：告知每个元素的列索引与每行的元素个数；如图所示：每列索引进行切割；如果有三行，就切两刀；

 

indptr中元素个数减1就代表行数；后面减去前面的元素就是每行的个数；第一行个数：2-0=2；3-2=1；6-3=3；分别表示，第一行有2个元素；第二行有1个元素；第三行有三个元素；然后再结合列索引就可以知道所有的非0值的位置； 

 

Takoony
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
稀疏矩阵
kong_xz的博客
03-07 2036
一个阶数较大的矩阵中的非零元素个数s相对于矩阵元素的总个数t 十分小时，即s<<t时,称该矩阵为稀疏矩阵。例如一100×100的矩阵，若其中只有100个非零元素，就可称其为稀疏矩阵。一、 稀疏矩阵的三元组表示(顺序)稀疏矩阵的压缩存储方法是只存储非零元素。由于稀疏矩阵中非零元素的分布没有任何规律,所以在存储非零元素时还必须同时存储该非零元素所对应的行下标和列下标。稀疏矩阵中的每一个非零...
对稀疏矩阵的理解
可爱满分的博客
09-28 2675
###1.为什么稀疏矩阵要按行排序？ 单就转置来说，如果是非快速转置，那么按行排序的好处是，转置后列的顺序无误，即原稀疏矩阵，行在前，同一列的情况，在转置时，因为是对列扫描，自然要从第一列开始找，（原矩阵列转变后，成为行。所以要从列开始找）原矩阵，行在前的元素先被扫描，自然先被排序，即扫描转置后同行内，列的顺序无误。而在转置时，按原矩阵列从1开始，转置后自然按行排序。 按行优先的原则，同行内，列有...
【稀疏矩阵乘法】行索引稀疏矩阵乘法改c++版（严蔚敏版）
ZAX130的博客
12-04 707
行索引稀疏矩阵乘法（严蔚敏版） 原理 行索引稀疏矩阵查找某一列的元素没那么方便，所以在做矩阵乘法时（这里以M乘N=Q为例），严书的做法是：在求Q的某一行的值是，用M的一行去遍历N的每一行，对结果中同列的值进行累加，最后稀疏化存入Q的当前行中，这个过程还原成正常矩阵比较容易理解： 求Q（2,2）的第一行时，肯定是M的第一行和N的第一列逐乘再累加，然后再M的第一行和N的第二列逐乘累加 M（2,3）* ...
稀疏矩阵的压缩存储原理
qq_43440960的博客
05-24 265
稀疏矩阵的压缩存储原理：三元组顺序表 #define MAXSIZE 12500 //非零元个数最大值 typedef struct { int i,j;//该非零元的上标和下标 ElemType e;//非零元 }Triple; typedef struct { Triple data[MAXSIZE+1];//非零元三元组表，data[0]未用 int mu,nu,tu;//矩阵的行数列数和非零元的个数 }TSMatrix; ...
数据结构-稀疏矩阵
LWJLWJ_的博客
06-14 896
在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非0元素分布没有规律时，则称该矩阵为稀疏矩阵；与之相反，若非0元素数目占大多数时，则称该矩阵为稠密矩阵。定义非零元素的总数比上矩阵所有元素的总数为矩阵的稠密度。...
sanyuanzu.rar_稀疏矩阵
09-24
在计算机科学和数值计算领域，稀疏矩阵...深入研究和理解这段代码，有助于我们掌握稀疏矩阵相乘的原理和实现细节，这对于解决大规模线性代数问题，尤其是在图形学、数值模拟和机器学习等领域，具有重要的实践意义。
稀疏矩阵转置算法
11-28
稀疏矩阵转置是计算机科学中处理大量零值矩阵的一种高效方法。在处理大型矩阵运算时，如果矩阵大部分元素为0，使用传统的二维数组存储方式不仅浪费空间，而且计算效率低。因此，引入了稀疏矩阵的概念，用三元组（row...
Intel Fortran使用MKL函数库中的PARDISO求解稀疏矩阵.rar
03-23
在IT领域，尤其是在科学计算和工程应用中，高效地求解稀疏矩阵是至关重要的。Intel Fortran编译器提供了一种强大的工具，即Intel Math Kernel Library (MKL)，它包含了一个名为PARDISO的高性能稀疏线性系统求解器。...
稀疏矩阵的转置
01-31
总结，理解和实现稀疏矩阵的转置是数据结构课程中的重要课题，它涉及到高效的数据结构和算法设计，有助于提升大规模数据处理的性能。通过实验报告，可以深入理解这些概念，并对实际应用有更直观的认识。
xsjz.rar_稀疏矩阵
09-24
通过学习和理解这些内容，我们可以深入掌握稀疏矩阵的存储方式和高效运算方法，对于理解和优化大型数据处理的算法有极大的帮助。此外，熟悉稀疏矩阵在特定领域的应用，如图论中的最小生成树算法或网络流问题，也可以...
稀疏矩阵和多维数组的实现
06-30
　　　1、熟悉三元组方式存储稀疏矩阵的原理和算法； 2、掌握多维数组的存储空间分配和访问算法。 　　　
看数据结构写代码（20）稀疏矩阵（顺序存储方式）
fuming0210sc的专栏
03-17 1298
当矩阵 的 有用信息非常少时，我们考虑将矩阵压缩存储。这就涉及到 特殊矩阵 和 稀疏矩阵。 特殊矩阵 指的是 有一定规律的 矩阵，这个矩阵 我们 只存储 部分 有用信息，其余的信息 可以通过 公式 转换 求得。例如 对称矩阵，我们按行存储主对角线以下（包括主对角线）的元素，其余元素 我们可以通过 下面的公式求得。 稀疏矩阵，指的事没有一定规律的矩阵，并且  有用信息总数/矩阵总数 小于等于 0
数据结构之 矩阵---稀疏矩阵
干点啥呢
11-01 619
在之前的学习中，写了矩阵的模板类。但是很多情况下，并不是每一个元素都是非零的，当一个矩阵中的非零元素的较少的时候，其实是存在着空间的浪费的，于是，应该采用稀疏矩阵的方式来进行数据的保存和运算。 11月1号将稀疏矩阵的内容写成了办完工状态，在注释中讨论到的顺序问题，还有待进一步的修改。#ifndef _H_MY_SPARSE_MATRIX_H #define _H_MY_SPARSE_MATRIX_
java 稀疏矩阵压缩_如何对存储为“压缩稀疏行”的矩阵进行稀疏矩阵索引？
weixin_32051661的博客
02-17 188
诀窍是通过输出列(它们的行)在下三角形中查找值 . 您可以为每行的数据保留一个索引，因为您按行顺序访问输入的行顺序时的条目 .与博览会类型struct CSR { // sometimes implicitly symmetricstd::vector vals;std::vector cols,rowStart;};我们有// Return the [r0,r1) by [c0,c1) sub...
稀疏编码基本原理
gao_xiao_qi的博客
08-26 884
字典就是一组基底 稀疏编码类似于稀疏矩阵，里面的0很多
matlab计算基础——矩阵与稀疏矩阵（1）
nd_liuyazhen的专栏
10-02 1863
本人刚开始学习matlab的一些基础知识，记录下来以便日后查阅。若有错误，请批评指正 1、矩阵的赋值   将A的第一行第二列赋给矩阵C  >>C=A(1,2) C=       2 将矩阵B的第二列赋值给矩阵D >>D=B(:,2) D=    5    0    1 2、矩阵的合并 D=[A B] 3、一些特殊的矩阵  eye(4)——四阶单位矩阵 ones(3,
小波稀疏化
夜空
04-22 4286
%%  本程序实现小波在矩阵方程求解中的应用 clear all; clc; %%  构造小波矩阵 [h,g]= wfilters('db7','d');         %  分解低通和高通滤波器 N=512;                              %  矩阵维数(大小为2的整数幂次) L=length(h);                        %
稀疏矩阵与稠密矩阵的优缺点，散列索引与顺序索引的区别，聚集与非聚集索引
qq_37795916的博客
03-18 3378
1. 稀疏索引和稠密索引 稀疏索引 在稀疏索引中，不会为每个搜索关键字创建索引记录。此处的索引记录包含搜索键和指向磁盘上数据的实际指针。要搜索记录，我们首先按索引记录进行操作，然后到达数据的实际位置。如果我们要寻找的数据不是我们通过遵循索引直接到达的位置，那么系统将开始顺序搜索，直到找到所需的数据为止。 稠密索引 在密集索引中，数据库中的每个搜索键值都有一个索引记录。这样可以加快搜索速度，但需要更多空间来存储索引记录本身。索引记录包含搜索键值和指向磁盘上实际记录的指针。 稀疏矩阵与稠密矩阵的
pytorch 稀疏矩阵
最新发布
08-12
在PyTorch中，稀疏矩阵是一种特殊的数据结构，用于存储大量零元素的矩阵。PyTorch提供了`torch.sparse`模块来支持稀疏矩阵的创建和操作。 可以通过以下方式创建稀疏矩阵： 1. 使用`torch.sparse.FloatTensor`构造函数创建一个稀疏张量： ```python import torch # 创建稀疏矩阵 indices = torch.LongTensor([[0, 1], [2, 0]]) values = torch.FloatTensor([1, 2]) size = torch.Size([3, 2]) sparse_matrix = torch.sparse.FloatTensor(indices, values, size) ``` 在上述代码中，我们创建了一个3x2的稀疏矩阵，其中包含两个非零元素。 2. 可以使用`to_sparse()`方法将稠密矩阵转换为稀疏矩阵： ```python import torch # 创建稠密矩阵 dense_matrix = torch.FloatTensor([[1, 0], [0, 2], [3, 0]]) # 转换为稀疏矩阵 sparse_matrix = dense_matrix.to_sparse() ``` 在上述代码中，我们将一个稠密矩阵转换为稀疏矩阵。 对于稀疏矩阵，可以使用以下方法进行操作： 1. 使用`_indices()`方法获取稀疏矩阵的非零元素的索引： ```python indices = sparse_matrix._indices() ``` 2. 使用`_values()`方法获取稀疏矩阵的非零元素的值： ```python values = sparse_matrix._values() ``` 3. 使用`_nnz()`方法获取稀疏矩阵的非零元素的数量： ```python nnz = sparse_matrix._nnz() ``` 这些方法可用于访问稀疏矩阵的相关信息和数据。 希望以上信息能对你理解PyTorch中的稀疏矩阵有所帮助。如果还有其他问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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