torch sparse tensor转化为scipy.sparse.csr_matrix

最新推荐文章于 2024-01-22 21:48:32 发布
原创 最新推荐文章于 2024-01-22 21:48:32 发布 · 1.7k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#scipy #python #人工智能

本文介绍了如何在没有现成接口的情况下，将PyTorch中的稀疏张量转换为Scipy的CSR压缩存储矩阵，详细阐述了手动转换的过程。

以为有接口，结果无。手搓一个也很简单

    adj=graph.adj()
    row=adj._indices()[0]
    col=adj._indices()[1]
    data=adj._values()
最低0.47元/天 解锁文章
StarfishCu
关注
【scipy.sparse矩阵转torch.sparse】稀疏矩阵pytorch的转换
weixin_43916250的博客
12-24 4479
values =X_train.data indices = np.vstack((X_train.row, X_train.col)) i = torch.LongTensor(indices) v = torch.FloatTensor(values) shape = X_train.shape X_train=torch.sparse.FloatTensor(i, v, torch.Size(shape)) 注： 转换为scipy.sparse：.tocoo（）即可 ...
普通邻接矩阵（类型torch.Tensor）转为torch.sparse_coo稀疏矩阵
weixin_46269351的博客
05-30 1888
普通矩阵： adj <class 'torch.Tensor'> tensor([[10.0527, 0.7901, 4.7365, ..., -2.9740, -1.2431, 2.6618], [ 0.7901, 7.8155, 2.0635, ..., -0.7821, 0.8580, -1.8541], [ 4.7365, 2.0635, 6.2384, ..., -2.2005, -0.2560, 2.0816],
scipy和pytorch的sparse库有啥区别
KKai的博客
03-29 1737
这个问题具体是针对coo matrix这个存储方式问的 sparse库 首先sparse库是用来存储稀疏矩阵的，pytorch和scipy都有这么个库（好像pytorch比较高的版本才有）。sparse库最主要的就是稀疏矩阵的表示，一般使用三元组的方式存储：（行，列，值），比如scipy的 coo_matrix((data, (i, j)), [shape=(M, N)]) pytorch和scipy的sparse有啥区别 因为看到GNN一些代码里在处理邻接矩阵的时候会把pytorch的sparse转换成s
Pytorch-geomretic学习笔记 params_count,sparseTensor
weixin_61445075的博客
04-12 1862
params_count(model),model是nn.Module类型的，计算参数的数量。 SparseTensor: rom torch_sparse import SparseTensor adj = SparseTensor(row=edge_index[0], col=edge_index[1], value=..., sparse_sizes=(num_nodes, num_nodes)) # value is optional and can b
【图神经网络】构建稀疏矩阵
qq_39398917的博客
01-22 1791
以用户-物品为例，构建二部图 ： 假设现有5个用户，10个物品。
sparse coo_matrix和torch coo_matrix转换
Yonggie的博客
04-06 2716
没办法直接转换，需要借助numpy转换。 import numpy as np import scipy.sparse as sp # a_matrix 是一个邻接矩阵 tmp_coo=sp.coo_matrix(a_matrix) values=tmp_coo.data indices=np.vstack((tmp_coo.row,tmp_coo.col)) i=torch.LongTensor(indices) v=torch.LongTensor(values) edge_idx=torch.spar
scipy.sparse._csr.csr_matrix转换为pytorch类型
最新发布
09-28
Scipy库中的`scipy.sparse._csr.csr_matrix`是一个稀疏矩阵，通常用于处理大规模的数据，但在PyTorch中，数据需要更易操作的张量形式。为了将`csr_matrix`转换为PyTorch兼容的数据结构，如`torch.Tensor`，你可以...
PyTorch SparseTensor 稀疏张量
w55100的博客
01-17 1万+
torch竟然没有from scipy这种方法... 真的是...
如何正确安装PyG，避免 module ‘scipy.sparse‘ has no attribute ‘coo_array‘ 报错。
xgcy6072的博客
04-06 647
正确安装pyg
python数据转换
qq_41266084的博客
08-04 298
数据转换：tensor 转lil,csr,csc 稀疏格式，先将tensor转成np.array,再转成lil
学习上手PyG——PyG中transform-概览
Yuetian_w的博客
03-07 1720
中的每条transform的操作进行简要的介绍，方便大家在使用的时候找到适合自身数据的变换。
PyG文档之六：高效的内存使用
Yichar的博客
08-28 1372
PyG的MessagePassing-消息传递接口，依靠一个收集-传播的方案来聚集来自邻近的节点的讯息。例如，考虑消息传递层: 它可以实现为： from torch_geometric.nn import MessagePassing x = ... # Node features of shape [num_nodes, num_features] edge_index = ... # Edge indices of shape [2, num_nodes] class MyC
pytorch稀疏张量模块torch.sparse详解
zeeq的博客
02-26 1万+
  torch.sparse是一个专门处理稀疏张量的模块。通常，张量会按一定的顺序连续地进行存取。但是，对于一个存在很多空值的稀疏张量来说，顺序存储的效率显得较为低下。因此，pytorch推出了稀疏张量的处理模块。在这里，有意义的值被称为specified elements，而无意义的值（空值，通常为0，但是也可以是其他值）则被称为fill value。只有足够稀疏的张量使用这种方式进行存储才能获得更高的效率。    Sparse COO tensors 1 Coordinate format   这种格式
pytorch拓展——scipy
怡宝2号
04-02 1350
代码 # coding:utf-8 from numpy import flip import torch from torch.autograd import Function, Variable import numpy as np from scipy.signal import convolve2d, correlate2d from torch.nn.modules.module imp...
关于稀疏矩阵转化为稠密矩阵问题 （scipy.sparse格式和tensor稀疏张量格式）
qq_38026089的博客
04-13 2786
scipy.sparse: todense() pytorch中的稀疏张量tensor： to_dense()
torch.sparse稀疏矩阵
andy dennis的博客
02-11 4006
前言 这几天接触图神经网络，会发现有些图的边相对结点比较少，那么邻接矩阵很多元素都为0， 显然，我们可以优化存储策略，以节省内存和加快运算。本文udating… 例子 import torch # 邻接矩阵 adj_dense = torch.tensor([[2, 0], [0, 3]]) # 下标 [0, 0], [1, 1] indices = torch.tensor([[0, 1], [0, 1]]) values = torch.tensor
python函数之csr_matrix
qq_40608827的博客
03-22 1万+
csr_matrix表示逐行（注意csr的r,row）压缩矩阵,类似地，也有个函数csc_matrix（c:column)表示逐列压缩。 形式：csr_matrix( (data, indices, indptr), shape=(x,y) ） shape就是压缩后的矩阵地形状，x行y列； data就是矩阵里面存储的值； indptr可以看作是记录了每个会话中的项目数量；（在推荐中有多个用户，每个用户创建了多个会话，每个会话有多个项目） indice可以看作是压缩后的矩阵的列的索引; 例： #
ndarray 与 scipy.sparse.csr.csr_matrix 的互转
热门推荐
This is bill的专属博客
11-29 2万+
ndarry 转 csr_matrix &gt;&gt;&gt; import numpy as np &gt;&gt;&gt; import scipy.sparse &gt;&gt;&gt; my_matrix = scipy.sparse.csr_matrix((2,2)) &gt;&gt;&gt; my_array = my_matrix.A &gt;&gt;&gt; type(
Tensor-Matrix互相转换 Python版
Cute_Abacus
06-02 1679
三阶张量和矩阵的互相转换
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值