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/
相关文章：
machine-learning - Ada-Delta 方法在具有 MSE 损失和 ReLU 激活的去噪自动编码器中使用时不会收敛？
tensorflow - 如何在 tensorflow 中正确使用批量标准化？
python - Django - i18n.set_language() 可以存储在用户配置文件中吗
python - 为什么这个 tensorflow 代码会崩溃？
python - 从 pandas 数据帧中提取子集确保不重叠？
algorithm - 比较和匹配来自不同商店/供应商的产品名称
machine-learning - 神经网络 MNIST : Backpropagation is correct, 但训练/测试精度非常低
python - 在 For 循环中增量追加到 JSON 文件
python - 为什么我在 Windows 上从 Pillow 得到 "Not Enough Image Data"，而相同的代码在 Linux 上运行良好？