pyTorch学习基础（二）选择稀疏与稠密张量

import torch

from matplotlib import pyplot as plt

dev_cpu=torch.device("cpu") #指定CPU计算

# 定义一个稀疏的张量，绘制对角线
i=torch.tensor([[0,1,2],[0,1,2]]) #定义一个x,y轴的坐标系
v=torch.tensor([1,2,3]) #定义坐标系上的点值
c=torch.sparse_coo_tensor(i,v,(4,4),dtype=torch.float32,device=dev_cpu) #稀疏张量；去0的张量，假设：一个二维100*100，包含10000个值，9999个值是0，1个值是1，那么极大浪费内存，因为0值是没有计算意义的；因此去0得到的叫稀疏张量；
c1=torch.sparse_coo_tensor(i,v,(4,4),dtype=torch.float32,device=dev_cpu).to_dense() #to_dense() 转为稠密张量，如结果：4*4的矩阵，
print(c)
print(c1)
plt.imshow(c1); #图形看一下是不是对角线

输出结果： 

输出图形：