本文简要介绍python语言中 torch.sparse.mm
的用法。
用法:
torch.sparse.mm(mat1, mat2)
mat1(SparseTensor) -第一个要相乘的稀疏矩阵
mat2(Tensor) -要相乘的第二个矩阵,可以是稀疏的或密集的
执行稀疏矩阵
mat1
和(稀疏或跨步)矩阵mat2
的矩阵乘法。与torch.mm()
类似,如果mat1
是 张量,mat2
是 张量,则 out 将是 张量。mat1
需要有sparse_dim = 2
。此函数还支持两个矩阵的后向。请注意,mat1
的梯度是一个合并的稀疏张量。- 形状:
该函数的输出张量格式如下: - 稀疏 x 稀疏 -> 稀疏 - 稀疏 x 密集 -> 密集
例子:
>>> a = torch.randn(2, 3).to_sparse().requires_grad_(True) >>> a tensor(indices=tensor([[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]]), values=tensor([ 1.5901, 0.0183, -0.6146, 1.8061, -0.0112, 0.6302]), size=(2, 3), nnz=6, layout=torch.sparse_coo, requires_grad=True) >>> b = torch.randn(3, 2, requires_grad=True) >>> b tensor([[-0.6479, 0.7874], [-1.2056, 0.5641], [-1.1716, -0.9923]], requires_grad=True) >>> y = torch.sparse.mm(a, b) >>> y tensor([[-0.3323, 1.8723], [-1.8951, 0.7904]], grad_fn=<SparseAddmmBackward>) >>> y.sum().backward() >>> a.grad tensor(indices=tensor([[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]]), values=tensor([ 0.1394, -0.6415, -2.1639, 0.1394, -0.6415, -2.1639]), size=(2, 3), nnz=6, layout=torch.sparse_coo)
参数:
相关用法
- Python PyTorch monitored_barrier用法及代码示例
- Python PyTorch mean用法及代码示例
- Python PyTorch multinomial用法及代码示例
- Python PyTorch meshgrid用法及代码示例
- Python PyTorch matrix_rank用法及代码示例
- Python PyTorch mv用法及代码示例
- Python PyTorch min用法及代码示例
- Python PyTorch max用法及代码示例
- Python PyTorch msort用法及代码示例
- Python PyTorch mode用法及代码示例
- Python PyTorch movedim用法及代码示例
- Python PyTorch matrix_exp用法及代码示例
- Python PyTorch matmul用法及代码示例
- Python PyTorch matrix_power用法及代码示例
- Python PyTorch maximum用法及代码示例
- Python PyTorch masked_select用法及代码示例
- Python PyTorch maskrcnn_resnet50_fpn用法及代码示例
- Python PyTorch minimum用法及代码示例
- Python PyTorch multi_dot用法及代码示例
- Python PyTorch mul用法及代码示例
- Python PyTorch movielens_25m用法及代码示例
- Python PyTorch matrix_norm用法及代码示例
- Python PyTorch multigammaln用法及代码示例
- Python PyTorch movielens_20m用法及代码示例
- Python PyTorch moveaxis用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.sparse.mm。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。