dgl.sparse.SparseMatrix.smin

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

计算输入稀疏矩阵 input 沿给定维度 dim 的非零值的最小值。

归约不计算零值。如果待归约的行或列没有任何非零值，则结果将为 0。

参数：

• input (SparseMatrix) – 输入稀疏矩阵

• dim (int, 可选) –

  归约的维度，必须是 0（按行）、1（按列）或 None（同时按行和列）

  如果 dim 是 None，它将同时归约稀疏矩阵的行和列，产生形状为 input.val.shape[1:] 的张量。否则，它将沿行 (dim=0) 或列 (dim=1) 维度进行归约，产生形状分别为 (input.shape[1],) + input.val.shape[1:] 或 (input.shape[0],) + input.val.shape[1:] 的张量。

返回值：

归约后的张量

返回类型：

torch.Tensor

示例

案例 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.smin(A)
tensor(1)
>>> dglsp.smin(A, 0)
tensor([1, 0, 2])
>>> dglsp.smin(A, 1)
tensor([1, 1, 0, 0])

案例 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.smin(A)
tensor([1, 1])
>>> dglsp.smin(A, 0)
tensor([[1, 1],
        [0, 0],
        [2, 2]])
>>> dglsp.smin(A, 1)
tensor([[1, 2],
        [2, 1],
        [0, 0],
        [0, 0]])