Как преобразовать разреженную в плотную матрицу смежности?

Question

Я пытаюсь преобразовать разреженную матрицу/список смежности, которая содержит только индексы ненулевых элементов ([[строки], [столбцы]]), в плотную матрицу, содержащую 1 в индексах и в противном случае 0. Я нашел решение, используя to_dense_adj из геометрического Pytorch (Документация ). Но это не совсем то, что я хочу, так как форма плотной матрицы не такая, как ожидалось. Вот пример:

      sparse_adj = torch.tensor([[0, 1, 2, 1, 0], [0, 1, 2, 3, 4]])

Таким образом, плотная матрица должна иметь размер 5x3 (второй массив «хранит» столбцы с ненулевыми элементами в (0,0), (1,1), (2,2), (1,3) и ( 0,4)) потому что элементы в первом массиве меньше или равны 2.

Тем не мение,

      dense_adj = to_dense(sparse_adj)[0]

выводит плотную матрицу, но формы (5,5). Можно ли определить форму вывода или есть другое решение, чтобы получить то, что я хочу?

Изменить: у меня есть решение, чтобы преобразовать его обратно в разреженное представление, которое теперь работает

      dense_adj = torch.sparse.FloatTensor(sparse_adj, torch.ones(5), torch.Size([3,5])).to_dense()
ind = dense_adj.nonzero(as_tuple=False).t().contiguous()
sparse_adj = torch.stack((ind[1], ind[0]), dim=0)

Или есть альтернативный способ, который лучше?

Answer 1

Вы можете добиться этого, сначала построив разреженную матрицу сtorch.sparseзатем преобразовать его в плотную матрицу. Для этого вам нужно будет предоставить torch.sparse.FloatTensorдвумерный тензор индексов, тензор значений, а также размер вывода:

      sparse_adj = torch.tensor([[0, 1, 2, 1, 0], [0, 1, 2, 3, 4]])
torch.sparse.FloatTensor(sparse_adj, torch.ones(5), torch.Size([3,5])).to_dense()

---

Вы можете получить размер выходной матрицы динамически с помощью

      sparse_adj.max(axis=1).values + 1

Так становится:

      torch.sparse.FloatTensor(
    sparse_adj, 
    torch.ones(sparse_adj.shape[1]), 
    (sparse_adj.max(axis=1).values + 1).tolist())