Table of Contents
Shortcuts

torch.sparse.sum

torch.sparse.sum(input, dim=None, dtype=None)[源代码]

返回给定稀疏张量每行的和。

返回稀疏张量 input 在给定维度 dim 中每行的总和。如果 dim 是一个维度列表，则在所有这些维度上进行归约。当在所有 sparse_dim 上求和时，此方法返回一个稠密张量而不是稀疏张量。

所有求和的 dim 都被压缩（参见 torch.squeeze()），从而生成一个比 input 少 dim 维度的输出张量。

在反向传播过程中，只有nnz位置的input梯度会回传。请注意，input的梯度是合并的。

Parameters

  • 输入 (张量) – 输入的稀疏张量

  • dim (int 或 tuple 的 ints) – 要减少的维度或维度列表。默认值：减少所有维度。

  • dtype (torch.dtype, 可选) – 返回张量所需的数据类型。 默认值：input 的 dtype。

Return type

张量

示例：

>>> nnz = 3
>>> dims = [5, 5, 2, 3]
>>> I = torch.cat([torch.randint(0, dims[0], size=(nnz,)),
                   torch.randint(0, dims[1], size=(nnz,))], 0).reshape(2, nnz)
>>> V = torch.randn(nnz, dims[2], dims[3])
>>> size = torch.Size(dims)
>>> S = torch.sparse_coo_tensor(I, V, size)
>>> S
tensor(indices=tensor([[2, 0, 3],
                       [2, 4, 1]]),
       values=tensor([[[-0.6438, -1.6467,  1.4004],
                       [ 0.3411,  0.0918, -0.2312]],

                      [[ 0.5348,  0.0634, -2.0494],
                       [-0.7125, -1.0646,  2.1844]],

                      [[ 0.1276,  0.1874, -0.6334],
                       [-1.9682, -0.5340,  0.7483]]]),
       size=(5, 5, 2, 3), nnz=3, layout=torch.sparse_coo)

# 当仅对部分稀疏维度求和时，返回一个稀疏张量
>>> torch.sparse.sum(S, [1, 3])
tensor(indices=tensor([[0, 2, 3]]),
       values=tensor([[-1.4512,  0.4073],
                      [-0.8901,  0.2017],
                      [-0.3183, -1.7539]]),
       size=(5, 2), nnz=3, layout=torch.sparse_coo)

# 当对所有稀疏维度求和时，返回一个密集张量
# 并压缩求和的维度
>>> torch.sparse.sum(S, [0, 1, 3])
tensor([-2.6596, -1.1450])
优云智算