生成PyTorch Sparse COO张量时出现值异常问题求助

问题重现 #

尝试用以下代码创建稀疏张量（注：原代码存在语法错误，缺少闭合括号）：

new_vertices_sparse = torch.sparse_coo_tensor(
    (new_vertices, torch.ones(len(new_vertices), dtype=int)), 
    size=(15,15,15)
)

打印张量时，values均为1，符合预期：

tensor(indices=tensor([[10, 10, 10,  ..., 12, 12, 11],
                       [ 5,  4,  3,  ...,  3,  2,  2],
                       [ 4,  5,  4,  ...,  6,  7,  8]]),
       values=tensor([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
                      1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
                      ...
                      1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]),
       size=(15, 15, 15), nnz=548, layout=torch.sparse_coo)

但调用print(new_vertices_sparse.coalesce().values())后，得到的values出现3、2、4等异常数值：

tensor([3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 4, 3, 2, 4, 4, 2, 3, 4, 2, 3, 3, 2, 3, 2,
        2, 3, 2, 3, 3, 3, 3, 2, 2, 4, 3, 2, 2, 3, 2, 4, 3, 2, 2, 3, 4, 2, 3, 2,
        ...
        3, 3])

原因分析 #

问题出在coalesce()方法的核心逻辑：该方法会自动合并重复的索引，并将相同索引位置的values进行累加。你的稀疏张量中存在大量重复的坐标索引（即多个相同的(维度1,维度2,维度3)组合），每个重复索引对应的value都是1，coalesce后这些1被相加，就得到了3、2、4等数值（比如某个索引重复3次，累加后就是3）。

解决方法 #

情况1：不需要重复索引，确保每个坐标唯一 #

先对new_vertices进行去重处理，保留唯一的索引组合，再创建稀疏张量：

# 对索引去重，dim=1表示按列去重（假设new_vertices是形状为(3, N)的张量）
unique_indices, _ = torch.unique(new_vertices, dim=1)
# 创建只包含唯一索引的稀疏张量，values全为1
new_vertices_sparse = torch.sparse_coo_tensor(
    unique_indices,
    torch.ones(unique_indices.shape[1], dtype=int),
    size=(15,15,15)
)
# 此时调用coalesce()，values仍保持为1
print(new_vertices_sparse.coalesce().values())

情况2：需要保留重复索引，但不想coalesce时累加 #

• 若仅需查看原始values，直接调用new_vertices_sparse.values()即可，无需调用coalesce()；
• 若需要合并重复索引但自定义合并规则（比如取第一个值、最大值），可以手动处理：

  # 获取索引和原始values
  indices = new_vertices_sparse.indices()
  values = new_vertices_sparse.values()
  # 获取唯一索引及其对应的位置
  unique_indices, inverse_indices = torch.unique(indices, dim=1, return_inverse=True)
  # 按自定义规则合并，比如取第一个值
  merged_values = torch.zeros_like(unique_indices[0])
  for i in range(unique_indices.shape[1]):
      merged_values[i] = values[inverse_indices == i][0]
  # 创建合并后的稀疏张量
  coalesced_tensor = torch.sparse_coo_tensor(unique_indices, merged_values, size=(15,15,15))
  

内容的提问来源于stack exchange，提问作者Kat