torch中的CSC和CSR应该如何使用

在torch中，CSC（Compressed Sparse Column）和CSR（Compressed Sparse Row）是两种常用的稀疏矩阵存储格式，用于高效地表示稀疏矩阵。

CSC格式适用于以列为主的稀疏矩阵，而CSR格式适用于以行为主的稀疏矩阵。这两种格式都能有效地节省内存和计算资源。

要使用CSC和CSR格式，你可以按照以下步骤进行：

1. 导入torch和scipy.sparse库：

import torch
import scipy.sparse as sp

2. 创建稀疏矩阵：

# 创建一个稀疏矩阵（以CSC格式为例）
data = [1, 2, 3, 4, 5, 6]
indices = [0, 1, 1, 2, 2, 3]
indptr = [0, 2, 4, 6]

# 创建CSC稀疏矩阵
csc_matrix = sp.csc_matrix((data, indices, indptr), shape=(4, 4))

# 创建CSR稀疏矩阵
csr_matrix = sp.csr_matrix((data, indices, indptr), shape=(4, 4))

3. 将稀疏矩阵转换为torch的稀疏张量：

# 将CSC稀疏矩阵转换为torch稀疏张量
csc_tensor = torch.tensor(csc_matrix.todense()).to_sparse()

# 将CSR稀疏矩阵转换为torch稀疏张量
csr_tensor = torch.tensor(csr_matrix.todense()).to_sparse()

现在你可以使用csc_tensor和csr_tensor进行torch中的各种操作，如矩阵乘法、加法等。

值得注意的是，稀疏矩阵转换为稀疏张量后，只有非零元素才会被存储，从而节省了内存空间。