时间戳

首页 > 解决方案 > 如何用其他 pytorch 函数替换 torch.sparse？

python - 如何用其他 pytorch 函数替换 torch.sparse？

问题描述

我想使用其他 Pytorch 函数替换 torch.sparse 函数。

i = torch.LongTensor([[0, 1, 1], [2, 0, 2]])
v = torch.FloatTensor([3, 4, 5])
out1 = torch.sparse.FloatTensor(i, v, torch.Size([2,3])).to_dense()
out2 = ???
out1 == out2
> tensor(True)

背景：

我正在将 Pytorch 模型转换为 CoreML，但在 torch.norm 函数中定义的 sparse_coo_tensor 运算符未使用 CoreMLTools 实现。

少数人会遇到这个问题，但 CoreMLTools 仍然不受支持。所以我想在不使用torch.sparse.FloatTensor 的运算符的情况下替换它。

我试过torch.sparse_coo_tensor了，但不支持。

我创建了一个简单的协作笔记本来重现这一点。请使用以下 colab 对其进行测试。 https://colab.research.google.com/drive/1TzpeJqEcmCy4IuXhhl6LChFocfZVaR1Q?usp=sharing

我之前在stackoverflow上询问过不同的运算符，所以请参考。 如何用其他 pytorch 函数替换 torch.norm？

标签： pythondeep-learningpytorchcoremlcoremltools

解决方案

如果我正确理解 sparse_coo 格式，则 的两行i只是复制v. 这意味着您可以改为创建矩阵，例如：

def dense_from_coo(i, v):
    rows = i[0].max()+1
    cols = i[1].max()+1
    out = torch.zeros(rows, cols)
    out[i[0], i[1]] = v
    return out

print(dense_from_coo(i,v))
>>> tensor([[0., 0., 3.],
            [4., 0., 5.]])

print(torch.sparse.FloatTensor(i, v, torch.Size([2,3])).to_dense())
>>> tensor([[0., 0., 3.],
            [4., 0., 5.]])

推荐阅读