dgl.sparse.matmul

dgl.sparse.matmul(A: Tensor | SparseMatrix, B: Tensor | SparseMatrix) → Tensor | SparseMatrix

将两个密集/稀疏矩阵相乘，等价于 A @ B。

此函数不支持 A 是 torch.Tensor 而 B 是 SparseMatrix 的情况。

• 如果两个矩阵都是 torch.Tensor，它会调用 torch.matmul()。结果是一个密集矩阵。

• 如果两个矩阵都是稀疏的，它会调用 dgl.sparse.spspmm()。结果是一个稀疏矩阵。

• 如果 A 是稀疏的而 B 是密集的，它会调用 dgl.sparse.spmm()。结果是一个密集矩阵。

• 该运算符支持批处理的稀疏-密集矩阵乘法。在这种情况下，稀疏矩阵 A 的形状应为 (L, M)，其中非零值具有批处理维度 K。密集矩阵 B 的形状应为 (M, N, K)。输出是一个形状为 (L, N, K) 的密集矩阵。

• 稀疏-稀疏矩阵乘法不支持批处理计算。

参数：

• A (torch.Tensor 或 SparseMatrix) – 第一个矩阵。

• B (torch.Tensor 或 SparseMatrix) – 第二个矩阵。

返回：

结果矩阵

返回类型：

torch.Tensor 或 SparseMatrix

示例

将对角矩阵与密集矩阵相乘。

>>> val = torch.randn(3)
>>> A = dglsp.diag(val)
>>> B = torch.randn(3, 2)
>>> result = dglsp.matmul(A, B)
>>> type(result)
<class 'torch.Tensor'>
>>> result.shape
torch.Size([3, 2])

将稀疏矩阵与密集矩阵相乘。

>>> indices = torch.tensor([[0, 1, 1], [1, 0, 1]])
>>> val = torch.randn(indices.shape[1])
>>> A = dglsp.spmatrix(indices, val)
>>> X = torch.randn(2, 3)
>>> result = dglsp.matmul(A, X)
>>> type(result)
<class 'torch.Tensor'>
>>> result.shape
torch.Size([2, 3])

将稀疏矩阵与稀疏矩阵相乘。

>>> indices1 = torch.tensor([[0, 1, 1], [1, 0, 1]])
>>> val1 = torch.ones(indices1.shape[1])
>>> A = dglsp.spmatrix(indices1, val1)
>>> indices2 = torch.tensor([[0, 1, 1], [0, 2, 1]])
>>> val2 = torch.ones(indices2.shape[1])
>>> B = dglsp.spmatrix(indices2, val2)
>>> result = dglsp.matmul(A, B)
>>> type(result)
<class 'dgl.sparse.sparse_matrix.SparseMatrix'>
>>> result.shape
(2, 3)