0

我正在尝试将仅包含非零元素（[[rows]，[columns]]）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，否则为 0。我找到了使用来自Pytorch几何（文档）的 to_dense_adj 的解决方案。但这并不完全符合我的要求，因为密集矩阵的形状并不像预期的那样。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者是否有不同的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

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)

或者有没有更好的替代方法？

4

1 回答 1

0

您可以通过首先构造一个稀疏矩阵torch.sparse然后将其转换为密集矩阵来实现这一点。为此，您需要提供torch.sparse.FloatTensor索引的 2D 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()

您可以使用动态获取输出矩阵的大小

sparse_adj.max(axis=1).values + 1

所以它变成：

torch.sparse.FloatTensor(
    sparse_adj, 
    torch.ones(sparse_adj.shape[1]), 
    (sparse_adj.max(axis=1).values + 1).tolist())
于 2020-12-12T11:09:39.500 回答