Arrayfire 稀疏矩阵问题
Arrayfire sparse matrix issues
对本应简单的事情感到困惑。花了一些时间尝试调试它,但并没有走得太远。如果有人能帮助我,我将不胜感激。
我试图通过指定 value/column/row 中指定的三元组来在 arrayfire 中定义一个稀疏矩阵 function。我想将以下矩阵存储为稀疏矩阵:
3 3 4
3 10 0
4 0 3
我编码如下:
int row[] = {0,0,0,1,1,2,2};
int col[] = {0,1,2,0,1,0,2};
double values[] = { 3,3, 4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(7,row),array(7,col));
af_print(rr);
af_print(dense(rr));
我得到以下输出:
rr
Storage Format : AF_STORAGE_CSR
[3 3 1 1]
rr: Values
[7 1 1 1]
1.0000
2.0000
4.0000
3.0000
10.0000
4.0000
3.0000
rr: RowIdx
[7 1 1 1]
0
0
0
1
1
2
2
rr: ColIdx
[7 1 1 1]
0
1
2
0
1
0
2
dense(rr)
[3 3 1 1]
0.0000 0.0000 0.0000
0.0000 0.0000 3.0000
3.0000 0.0000 0.0000
当以密集格式打印出存储的矩阵时,我得到的结果与预期完全不同。
如何打印密集版本的 rr 输出:
3 3 4
3 10 0
4 0 3
Arrayfire 使用(修改后的)CSR format,因此 row
数组的长度必须为 number_of_rows + 1
。通常它会填充每行非零条目的数量,即 {0, 3 ,2, 2}
。但是对于Arrayfire,你需要取累计和,即{0, 3, 5, 7}
。所以这对我有用:
int row[] = {0,3,5,7};
int col[] = {0,1,2,0,1,0,2};
float values[] = {3,3,4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(4,row),array(7,col));
af_print(rr);
af_print(dense(rr));
但是,这并不是很方便,因为它与您的输入格式有很大不同。或者,您可以指定 COO format:
int row[] = {0,0,0,1,1,2,2};
int col[] = {0,1,2,0,1,0,2};
float values[] = { 3,3, 4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(7,row),array(7,col), AF_STORAGE_COO);
af_print(rr);
af_print(dense(rr));
产生:
rr
Storage Format : AF_STORAGE_COO
[3 3 1 1]
rr: Values
[7 1 1 1]
3.0000
3.0000
4.0000
3.0000
10.0000
4.0000
3.0000
rr: RowIdx
[7 1 1 1]
0
0
0
1
1
2
2
rr: ColIdx
[7 1 1 1]
0
1
2
0
1
0
2
dense(rr)
[3 3 1 1]
3.0000 3.0000 4.0000
3.0000 10.0000 0.0000
4.0000 0.0000 3.0000
对本应简单的事情感到困惑。花了一些时间尝试调试它,但并没有走得太远。如果有人能帮助我,我将不胜感激。
我试图通过指定 value/column/row 中指定的三元组来在 arrayfire 中定义一个稀疏矩阵 function。我想将以下矩阵存储为稀疏矩阵:
3 3 4
3 10 0
4 0 3
我编码如下:
int row[] = {0,0,0,1,1,2,2};
int col[] = {0,1,2,0,1,0,2};
double values[] = { 3,3, 4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(7,row),array(7,col));
af_print(rr);
af_print(dense(rr));
我得到以下输出:
rr
Storage Format : AF_STORAGE_CSR
[3 3 1 1]
rr: Values
[7 1 1 1]
1.0000
2.0000
4.0000
3.0000
10.0000
4.0000
3.0000
rr: RowIdx
[7 1 1 1]
0
0
0
1
1
2
2
rr: ColIdx
[7 1 1 1]
0
1
2
0
1
0
2
dense(rr)
[3 3 1 1]
0.0000 0.0000 0.0000
0.0000 0.0000 3.0000
3.0000 0.0000 0.0000
当以密集格式打印出存储的矩阵时,我得到的结果与预期完全不同。
如何打印密集版本的 rr 输出:
3 3 4
3 10 0
4 0 3
Arrayfire 使用(修改后的)CSR format,因此 row
数组的长度必须为 number_of_rows + 1
。通常它会填充每行非零条目的数量,即 {0, 3 ,2, 2}
。但是对于Arrayfire,你需要取累计和,即{0, 3, 5, 7}
。所以这对我有用:
int row[] = {0,3,5,7};
int col[] = {0,1,2,0,1,0,2};
float values[] = {3,3,4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(4,row),array(7,col));
af_print(rr);
af_print(dense(rr));
但是,这并不是很方便,因为它与您的输入格式有很大不同。或者,您可以指定 COO format:
int row[] = {0,0,0,1,1,2,2};
int col[] = {0,1,2,0,1,0,2};
float values[] = { 3,3, 4,3,10,4,3};
array rr = sparse(3,3,array(7,values),array(7,row),array(7,col), AF_STORAGE_COO);
af_print(rr);
af_print(dense(rr));
产生:
rr
Storage Format : AF_STORAGE_COO
[3 3 1 1]
rr: Values
[7 1 1 1]
3.0000
3.0000
4.0000
3.0000
10.0000
4.0000
3.0000
rr: RowIdx
[7 1 1 1]
0
0
0
1
1
2
2
rr: ColIdx
[7 1 1 1]
0
1
2
0
1
0
2
dense(rr)
[3 3 1 1]
3.0000 3.0000 4.0000
3.0000 10.0000 0.0000
4.0000 0.0000 3.0000