怎么理解torch_geometric中的dense_to_sparse()方法？

Question

官方文档对方法进行以下描述：

"Converts a dense adjacency matrix to a sparse adjacency matrix defined
by edge indices and edge attributes."

assert tensor.dim() == 2
index = tensor.nonzero().t().contiguous()
value = tensor[index[0], index[1]]
return index, value

我想知道将稠密邻接矩阵转换为稀疏邻接矩阵的意义是什么？

 

Answer 1

因为运算复杂度。如果用dense matrix做gcn layer的multiplicaition， 复杂度远远高于 两个sparse matrix做multiplication。因为是sparse，很多地方都避免了运算，但dense matrix仍需要遍历所有位置。