dgl.sparse.softmax

dgl.sparse.softmax(input: SparseMatrix, dim: int = 1) → SparseMatrix

对稀疏矩阵沿 :attr:dim 维度的非零元素应用 softmax。dim = 0 表示列方向 softmax，dim = 1 表示行方向 softmax。

如果 input.val 的形状是 (nnz, D)，则输出矩阵 output 和 output.val 与 input 和 input.val 具有相同的形状。output.val[:, i] 是根据 input.val[:, i] 计算得出的。

参数:

input (SparseMatrix) – 输入稀疏矩阵

返回:

输出稀疏矩阵

返回类型:

SparseMatrix

示例

示例 1：对形状为 (nnz) 的值的矩阵进行行方向 softmax

>>> indices = torch.tensor([[0, 0, 1, 2], [1, 2, 2, 0]])
>>> val = torch.tensor([0., 1., 2., 3.])
>>> A = dglsp.spmatrix(indices, val)
>>> dglsp.softmax(A)
SparseMatrix(indices=tensor([[0, 0, 1, 2],
                             [1, 2, 2, 0]]),
             values=tensor([0.2689, 0.7311, 1.0000, 1.0000]),
             shape=(3, 3), nnz=4)

示例 2：对形状为 (nnz, D) 的值的矩阵进行行方向 softmax

>>> indices = torch.tensor([[0, 0, 1, 2], [1, 2, 2, 0]])
>>> val = torch.tensor([[0., 7.], [1., 3.], [2., 2.], [3., 1.]])
>>> A = dglsp.spmatrix(indices, val)
>>> dglsp.softmax(A)
SparseMatrix(indices=tensor([[0, 0, 1, 2],
                             [1, 2, 2, 0]]),
             values=tensor([[0.2689, 0.9820],
                            [0.7311, 0.0180],
                            [1.0000, 1.0000],
                            [1.0000, 1.0000]]),
             shape=(3, 3), nnz=4, val_size=(2,))

示例 3：对形状为 (nnz) 的值的矩阵进行列方向 softmax

>>> indices = torch.tensor([[0, 0, 1, 2], [1, 2, 2, 0]])
>>> val = torch.tensor([0., 1., 2., 3.])
>>> A = dglsp.spmatrix(indices, val)
>>> dglsp.softmax(A, 0)
SparseMatrix(indices=tensor([[0, 0, 1, 2],
                             [1, 2, 2, 0]]),
             values=tensor([1.0000, 0.2689, 0.7311, 1.0000]),
             shape=(3, 3), nnz=4)