我有一个 coo_matrix:
from scipy.sparse import coo_matrix
coo = coo_matrix((3, 4), dtype = "int8")
我想转换为 pytorch 稀疏张量。根据文档 https://pytorch.org/docs/master/sparse.html它应该遵循 coo 格式,但我找不到进行转换的简单方法。任何帮助将不胜感激!
最佳答案
使用 Pytorch docs 中的数据,它可以简单地使用 Numpy coo_matrix
的属性来完成:
import torch
import numpy as np
from scipy.sparse import coo_matrix
coo = coo_matrix(([3,4,5], ([0,1,1], [2,0,2])), shape=(2,3))
values = coo.data
indices = np.vstack((coo.row, coo.col))
i = torch.LongTensor(indices)
v = torch.FloatTensor(values)
shape = coo.shape
torch.sparse.FloatTensor(i, v, torch.Size(shape)).to_dense()
输出
0 0 3
4 0 5
[torch.FloatTensor of size 2x3]
关于python - 将 scipy coo_matrix 转换为 pytorch 稀疏张量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50665141/