dgl.sparse.SparseMatrix.smean

SparseMatrix.smean(dim: int | None = None)

计算稀疏矩阵 input 中非零值的平均值，沿着给定的维度 dim。

减少操作不计算零值。如果要减少的行或列没有任何非零值，结果将为0。

Parameters:

• input (SparseMatrix) – The input sparse matrix

• dim (int, optional) –

  要减少的维度，必须是0（按行）或1（按列）或None（同时按行和列）

  如果dim为None，它将同时减少稀疏矩阵的行和列，生成形状为input.val.shape[1:]的张量。否则，它将按行（dim=0）或列（dim=1）减少，生成形状为(input.shape[1],) + input.val.shape[1:]或(input.shape[0],) + input.val.shape[1:]的张量。

Returns:

简化张量

Return type:

torch.Tensor

示例

案例1：标量值稀疏矩阵

>>> indices = torch.tensor([[0, 1, 1], [0, 0, 2]])
>>> val = torch.tensor([1., 1., 2.])
>>> A = dglsp.spmatrix(indices, val, shape=(4, 3))
>>> dglsp.smean(A)
tensor(1.3333)
>>> dglsp.smean(A, 0)
tensor([1., 0., 2.])
>>> dglsp.smean(A, 1)
tensor([1.0000, 1.5000, 0.0000, 0.0000])

案例2：向量值稀疏矩阵

>>> indices = torch.tensor([[0, 1, 1], [0, 0, 2]])
>>> val = torch.tensor([[1., 2.], [2., 1.], [2., 2.]])
>>> A = dglsp.spmatrix(indices, val, shape=(4, 3))
>>> dglsp.smean(A)
tensor([1.6667, 1.6667])
>>> dglsp.smean(A, 0)
tensor([[1.5000, 1.5000],
        [0.0000, 0.0000],
        [2.0000, 2.0000]])
>>> dglsp.smean(A, 1)
tensor([[1.0000, 2.0000],
        [2.0000, 1.5000],
        [0.0000, 0.0000],
        [0.0000, 0.0000]])