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