COOTensor 是 MindSpore 中用于表示稀疏张量的一种核心数据结构。它采用“坐标格式”（COO, Coordinate Format）来高效存储和处理主要包含零元素的矩阵（或高维张量），其核心思想是只记录非零元素的位置和值。
一、 核心概念与创建
一个 COOTensor 由三个关键部分构成：
- **
indices(索引)**：一个二维整数张量，形状为(N, ndims)。其中N代表非零元素的个数，ndims代表稀疏张量的维度。目前文档指出ndims仅支持为 2。indices[i]表示第i个非零元素的坐标。 - **
values(值)**：一个一维张量，形状为(N,)，存储了indices中每个位置对应的非零数值。 - **
shape(形状)**：一个整数元组，指定了对应的稠密张量的形状。
创建方式主要通过 mindspore.COOTensor构造函数：
- 方式一：直接提供
indices,values,shape三个参数。 - 方式二：通过另一个
coo_tensor对象来初始化。
示例：以下代码创建了一个 3x4 的稠密张量对应的 COOTensor，其中位置 (0,1) 值为1，位置 (1,2) 值为2。
import mindspore as ms
from mindspore import Tensor, COOTensor
indices = Tensor([[0, 1], [1, 2]], dtype=ms.int32)
values = Tensor([1, 2], dtype=ms.float32)
shape = (3, 4)
x = COOTensor(indices, values, shape)
其对应的稠密张量为：
[[0, 1, 0, 0],
[0, 0, 2, 0],
[0, 0, 0, 0]]
二、 主要属性与方法
COOTensor 提供了一系列用于查询、转换和运算的属性和方法。
1. 关键属性：
indices,values,shape：获取构成该稀疏张量的三个核心组件。dtype：返回非零元素值的数据类型。ndim：返回稀疏矩阵的稠密维度（即shape的长度）。size：返回非零元素的数量（即values的长度）。itemsize：返回每个非零元素值所占的字节数。
2. 格式转换方法：
to_dense()：将 COOTensor 转换为普通的稠密 Tensor（仅在 GPU 平台支持）。to_csr()：将 COOTensor 转换为另一种稀疏格式 CSRTensor（支持 GPU/CPU）。to_tuple()：将indices,values,shape作为一个元组返回。astype(dtype)：返回指定新数据类型的 COOTensor。
3. 运算与处理：
- 算术运算：支持基本的加（
+）、减（-）、乘（*）、除（/）等逐元素运算。 abs()：对所有非零元素取绝对值，返回新的 COOTensor。add(other, thresh)：与另一个 COOTensor 相加。thresh参数是一个阈值张量，用于决定结果中 indices/values 对是否保留（当结果值小于阈值时被丢弃）。此方法对indices和values的数据类型有严格校验。coalesce()：合并 COOTensor 中相同索引的值（仅在 GPU 平台支持）。这是处理可能包含重复索引的 COOTensor 的重要操作。
