我正在学习 PyTorch 稀疏张量:https://pytorch.org/docs/stable/sparse.html
来自文档 ( https://pytorch.org/docs/stable/sparse.html ):“Torch 支持 COO(rdinate) 格式的稀疏张量,它可以有效地存储和处理大多数元素为零的张量。”
使用稀疏张量代替常规 PyTorch 张量的目的之一是减少训练时间吗?
最佳答案
是的,但是是间接的。
稀疏张量可以降低计算的复杂性,从而降低训练/推理时间。矩阵乘法的复杂性取决于矩阵中元素的数量,而稀疏矩阵乘法的复杂性取决于较少的非零元素的数量(由于稀疏性)
关于python - 稀疏张量以减少训练时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53463156/