Pytorch 用torch.sparse张量替换层权重

假设我定义了一个层

C=nn.Conv2d（1,3,3，bias=False）

，即1个输入通道，3个输出通道，内核大小为3x3。因此，该层的内部重量为形状张量

（3,1,3,3）

；我可以用C.weight.data访问这个。现在假设这个内部权重非常稀疏；它充满了零，只有几个非零值。我可以通过以下方法轻松地从权重构造稀疏张量：

idx = C.weight.data.nonzero().T
values = C.weight.data[C.weight.data!=0]
sp_T = torch.sparse.FloatTensor(idx, values, C.weight.data.size())

是否有可能以某种方式将conv层的权重存储为这个稀疏张量？我试着简单地执行

C.weight.data=sp\u T

，但它抛出了一个错误。如果我们能够以这种稀疏的方式将所有权重存储在一个模型中，那将非常方便