python - 稀疏张量以减少训练时间
问题描述
我已经了解 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。”
稀疏张量而不是常规 PyTorch 张量的预期用途之一是减少训练时间吗?
解决方案
是的,但间接的。
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)
推荐阅读
- javascript - React webpack config:是否可以仅替换数组中一个插件的配置,而无需重置插件数组?
- mysql - mysql 选择加入第二行
- elasticsearch - ElasticSearch - 使用一个查询的结果作为另一个查询的过滤器
- c# - Directory.GetDirectories 顺序与 Directory.GetFiles 顺序
- mysql - 如何防止json数据输出按字母顺序排序并存储在mysql工作中?
- kotlin - Companion 与 INSTANCE 有何不同
- deep-learning - Pytorch 嵌入层中使用的默认权重初始化是什么?
- javascript - 传单:当缩放相同时删除上一层并添加新的点击层
- postgresql - 意外的数据包类型:Postgres 中抛出 52 - QueryExecutorImpl.processResults
- eclipse - 在 Git 中标记为假定未更改的文件在哪里?