稀疏矩阵 (`cupyx.scipy.sparse`)#

提示

SciPy API 参考：稀疏矩阵 (scipy.sparse) <https://docs.scipy.org/doc/scipy/reference/sparse.html>`_

CuPy 支持使用 cuSPARSE 的稀疏矩阵。这些矩阵具有与 SciPy 的稀疏矩阵相同的接口。

转换为/从 SciPy 稀疏矩阵#

cupyx.scipy.sparse.*_matrix 和 scipy.sparse.*_matrix 不能互相隐式转换。这意味着，SciPy 函数不能接受 cupyx.scipy.sparse.*_matrix 对象作为输入，反之亦然。

请注意，在 CuPy 和 SciPy 之间转换会导致数据在主机（CPU）设备和 GPU 设备之间传输，这在性能方面是昂贵的。

要将 CuPy ndarray 转换为 CuPy 稀疏矩阵，请将其传递给每个 CuPy 稀疏矩阵类的构造函数。
要将 CuPy 稀疏矩阵转换为 CuPy ndarray，请使用每个 CuPy 稀疏矩阵实例的 toarray 方法（例如，cupyx.scipy.sparse.csr_matrix.toarray()）。

在 CuPy ndarray 和 CuPy 稀疏矩阵之间转换不会导致数据传输；它是在 GPU 设备内部复制的。

`coo_matrix`(arg1[, shape, dtype, copy])	COOrdinate 格式稀疏矩阵。
`csc_matrix`(arg1[, shape, dtype, copy])	压缩稀疏列矩阵。
`csr_matrix`(arg1[, shape, dtype, copy])	压缩稀疏行矩阵。
`dia_matrix`(arg1[, shape, dtype, copy])	带有对角存储的稀疏矩阵。
`spmatrix`([maxprint])	所有稀疏矩阵的基类。

构建稀疏矩阵：

`eye`(m[, n, k, dtype, format])	创建一个对角线上为1的稀疏矩阵。
`identity`(n[, dtype, format])	创建一个稀疏格式的单位矩阵。
`kron`(A, B[, format])	稀疏矩阵 A 和 B 的克罗内克积。
`kronsum`(A, B[, format])	稀疏矩阵 A 和 B 的 Kronecker 和。
`diags`(diagonals[, offsets, shape, format, dtype])	从对角线构造一个稀疏矩阵。
`spdiags`(data, diags, m, n[, format])	从对角线创建一个稀疏矩阵。
`tril`(A[, k, format])	以稀疏格式返回矩阵的下三角部分
`triu`(A[, k, format])	以稀疏格式返回矩阵的上三角部分
`bmat`(blocks[, format, dtype])	从稀疏子块构建稀疏矩阵
`hstack`(blocks[, format, dtype])	水平堆叠稀疏矩阵（按列）
`vstack`(blocks[, format, dtype])	垂直堆叠稀疏矩阵（按行）
`rand`(m, n[, density, format, dtype, ...])	生成一个随机的稀疏矩阵。
`random`(m, n[, density, format, dtype, ...])	生成一个随机的稀疏矩阵。

稀疏矩阵工具：

返回矩阵中非零元素的索引和值

识别稀疏矩阵：

`csgraph`
`linalg`