我正在尝试将仅包含非零元素（[[行]，[列]]）的索引的稀疏邻接矩阵/列表转换为在索引处包含1的密集矩阵，否则将包含0。我从Pytorch geometric（文档）中找到了使用to_dense_adj的解决方案。但是，这并不是我想要的，因为密集矩阵的形状不符合预期。这是一个例子：
sparse_adj = torch.tensor([[0, 1, 2, 1, 0], [0, 1, 2, 3, 4]])
因此，密集矩阵的大小应为5x3（第二个数组“存储”列；在（0,0），（1,1），（2,2），（1,3）和（ 0,4）），因为第一个数组中的元素小于或等于2。
然而，
dense_adj = to_dense(sparse_adj)[0]
输出一个密集矩阵，但形状为（5,5）。是否可以定义输出形状或是否有其他解决方案来获得我想要的？
编辑：我有一个解决方案，现在可以将其转换回稀疏表示形式
dense_adj = torch.sparse.FloatTensor(sparse_adj, torch.ones(5), torch.Size([3,5])).to_dense()
ind = dense_adj.nonzero(as_tuple=False).t().contiguous()
sparse_adj = torch.stack((ind[1], ind[0]), dim=0)
还是有其他更好的选择？
您可以先构造一个稀疏矩阵，torch.sparse然后将其转换为密集矩阵，以实现此目的。为此，您将需要提供torch.sparse.FloatTensor索引的二维张量，值的张量以及输出大小：
sparse_adj = torch.tensor([[0, 1, 2, 1, 0], [0, 1, 2, 3, 4]])
torch.sparse.FloatTensor(sparse_adj, torch.ones(5), torch.Size([3,5])).to_dense()
您可以使用以下方法动态获取输出矩阵的大小
sparse_adj.max(axis=1).values + 1
这样就变成了：
torch.sparse.FloatTensor(
sparse_adj,
torch.ones(sparse_adj.shape[1]),
(sparse_adj.max(axis=1).values + 1).tolist())
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句