dgl.sparse.SparseMatrix.smax

SparseMatrix.smax(dim: int | None = None)

计算给定维度 dim 上 input 稀疏矩阵的非零值的最大值。

规约不计算零值。如果待规约的行或列没有任何非零值，则结果为 0。

参数:

• input (SparseMatrix) – 输入稀疏矩阵

• dim (int, 可选) –

  规约的维度，必须是 0（按行）、1（按列）或 None（同时按行和列）。

  如果 dim 是 None，它会同时规约稀疏矩阵的行和列，产生形状为 input.val.shape[1:] 的张量。否则，它在行 (dim=0) 或列 (dim=1) 维度上进行规约，产生形状为 (input.shape[1],) + input.val.shape[1:] 或 (input.shape[0],) + input.val.shape[1:] 的张量。

返回:

规约后的张量

返回类型:

torch.Tensor

示例

示例 1：标量值稀疏矩阵

>>> indices = torch.tensor([[0, 1, 1], [0, 0, 2]])
>>> val = torch.tensor([1, 1, 2])
>>> A = dglsp.spmatrix(indices, val, shape=(4, 3))
>>> dglsp.smax(A)
tensor(2)
>>> dglsp.smax(A, 0)
tensor([1, 0, 2])
>>> dglsp.smax(A, 1)
tensor([1, 2, 0, 0])

示例 2：向量值稀疏矩阵

>>> indices = torch.tensor([[0, 1, 1], [0, 0, 2]])
>>> val = torch.tensor([[1, 2], [2, 1], [2, 2]])
>>> A = dglsp.spmatrix(indices, val, shape=(4, 3))
>>> dglsp.smax(A)
tensor([2, 2])
>>> dglsp.smax(A, 1)
tensor([[1, 2],
        [2, 2],
        [0, 0],
        [0, 0]])