稀疏矩阵存储格式总结

最新推荐文章于 2022-11-18 17:39:17 发布

AI图哥

最新推荐文章于 2022-11-18 17:39:17 发布

阅读量682

点赞数 1

分类专栏：神经网络优化文章标签：剪枝 cnn caffe

本文链接：https://blog.csdn.net/sinat_24143931/article/details/78717564

版权

本文详细介绍了五种稀疏矩阵存储格式：Coordinate (COO), Compressed Sparse Row (CSR), ELLPACK (ELL), Diagonal (DIA), 和 Hybrid (HYB)。每种格式的特点和适用场景被阐述，其中DIA和ELL适用于矩阵-向量乘积，而CSR在存储效率和灵活性之间取得平衡。COO常用于文件读写，HYB则是ELL和COO的结合，提高了存储效率。" 138544741,8467242,Arduino智慧交通：违规停车监测系统（基于红外线传感器）,"['嵌入式硬件', '单片机', 'Arduino智慧交通', '基于红外线传感器的违规停车监测']

摘要由CSDN通过智能技术生成

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。

Coordinate（COO）

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来表示，分别是（行号，列号，数值），对应上图右边的一列。这种方式简单，但是记录单信息多（行列），每个三元组自己可以定位，因此空间不是最优。

Compressed Sparse Row (CSR)

Compressed Sparse Row (CSR)
CSR是比较标准的一种，也需要三类数据来表达：数值，列号，以及行偏移。CSR不是三元组，而是整体的编码方式。数值和列号与COO一致，表示一个元素以及其列号，行偏移表示某一行的第一个元素在values里面的起始偏移位置。如上图中，第一行元素1是0偏移，第二行元素2是2偏移，第三行元素5是4偏移，第4行元素6是7偏移。在行偏移的最后补上矩阵总的元素个数，本例中是9。