稀疏矩阵 (`cupyx.scipy.sparse`)#

提示

CuPy 使用 cuSPARSE 支持稀疏矩阵。这些矩阵具有与 SciPy 稀疏矩阵相同的接口。

与 SciPy 稀疏矩阵相互转换#

cupyx.scipy.sparse.*_matrix 和 scipy.sparse.*_matrix 彼此不能隐式转换。这意味着，SciPy 函数不能接受 cupyx.scipy.sparse.*_matrix 对象作为输入，反之亦然。

请注意，CuPy 和 SciPy 之间的转换会产生主机 (CPU) 设备和 GPU 设备之间的数据传输，这在性能方面开销很大。

要将 CuPy ndarray 转换为 CuPy 稀疏矩阵，请将其传递给每个 CuPy 稀疏矩阵类的构造函数。
要将 CuPy 稀疏矩阵转换为 CuPy ndarray，请使用每个 CuPy 稀疏矩阵实例的 toarray 方法（例如，cupyx.scipy.sparse.csr_matrix.toarray()）。

CuPy ndarray 和 CuPy 稀疏矩阵之间的转换不会产生数据传输；它在 GPU 设备内部进行复制。

`coo_matrix`(arg1[, shape, dtype, copy])	COOrdinate 格式稀疏矩阵。
`csc_matrix`(arg1[, shape, dtype, copy])	压缩稀疏列矩阵。
`csr_matrix`(arg1[, shape, dtype, copy])	压缩稀疏行矩阵。
`dia_matrix`(arg1[, shape, dtype, copy])	对角线存储稀疏矩阵。
`spmatrix`([maxprint])	所有稀疏矩阵的基类。

构建稀疏矩阵

`eye`(m[, n, k, dtype, format])	创建主对角线为一的稀疏矩阵。
`identity`(n[, dtype, format])	创建稀疏格式的单位矩阵。
`kron`(A, B[, format])	稀疏矩阵 A 和 B 的 Kronecker 积。
`kronsum`(A, B[, format])	稀疏矩阵 A 和 B 的 Kronecker 和。
`diags`(diagonals[, offsets, shape, format, dtype])	从对角线构造稀疏矩阵。
`spdiags`(data, diags, m, n[, format])	从对角线创建稀疏矩阵。
`tril`(A[, k, format])	返回稀疏格式矩阵的下三角部分
`triu`(A[, k, format])	返回稀疏格式矩阵的上三角部分
`bmat`(blocks[, format, dtype])	从稀疏子块构建稀疏矩阵
`hstack`(blocks[, format, dtype])	水平（按列）堆叠稀疏矩阵
`vstack`(blocks[, format, dtype])	垂直（按行）堆叠稀疏矩阵
`rand`(m, n[, density, format, dtype, ...])	生成随机稀疏矩阵。
稀疏矩阵工具`random`(m, n[, density, format, dtype, ...])	生成随机稀疏矩阵。

识别稀疏矩阵

返回矩阵非零元素的索引和值

Identifying sparse matrices

`csgraph`
`linalg`