torch.Tensor.to_sparse_bsc

Tensor.to_sparse_bsc(blocksize, dense_dim) → 张量

将一个张量转换为给定块大小的块稀疏列（BSC）存储格式。如果self是分步的，则可以指定密集维度的数量，并创建一个混合BSC张量，其中dense_dim个密集维度和self.dim() - 2 - dense_dim个批次维度。

Parameters

• blocksize（列表，元组，torch.Size，可选）– 生成的BSC张量的块大小。块大小必须是一个长度为二的元组，使得其元素均匀地分割两个稀疏维度。

• dense_dim (int, 可选) – 生成的BSC张量的密集维度数量。此参数仅在self是跨步张量时使用，并且必须是一个介于0和self张量维度减去二之间的值。

示例：

>>> dense = torch.randn(10, 10)
>>> sparse = dense.to_sparse_csr()
>>> sparse_bsc = sparse.to_sparse_bsc((5, 5))
>>> sparse_bsc.row_indices()
tensor([0, 1, 0, 1])

>>> dense = torch.zeros(4, 3, 1)
>>> dense[0:2, 0] = dense[0:2, 2] = dense[2:4, 1] = 1
>>> dense.to_sparse_bsc((2, 1), 1)
tensor(ccol_indices=tensor([0, 1, 2, 3]),
       row_indices=tensor([0, 1, 0]),
       values=tensor([[[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]],


                      [[[1.]],

                       [[1.]]]]), size=(4, 3, 1), nnz=3,
       layout=torch.sparse_bsc)