PyTorch sparse 편집하기 (부분)

==표현 방식 및 레이아웃==
PyTorch는 여러 희소 레이아웃을 지원한다. 주요 레이아웃과 특징은 다음과 같다.
===COO (좌표형, Coordinate)===
*<code>torch.sparse_coo_tensor(indices, values, size)</code> 함수를 통해 생성할 수 있다. 
*<code>indices</code>는 크기 (ndim × nnz)의 정수 텐서로, 각 열이 하나의 비제로(nonzero) 원소의 좌표를 나타낸다.
*<code>values</code>는 크기 (nnz, *dense_dims)의 텐서로 비제로 원소 값을 저장한다.
*희소 텐서는 일반적으로 비정합(uncoalesced) 상태일 수 있으며, <code>.coalesce()</code> 메서드를 통해 동일한 좌표들이 합쳐진 상태로 만들 수 있다.
*텐서의 <code>sparse_dim()</code>과 <code>dense_dim()</code> 메서드로 희소 차원과 밀집 차원을 구분할 수 있다.
===CSR / CSC (압축 행 / 압축 열)===
*<code>torch.sparse_csr_tensor(crow_indices, col_indices, values, size)</code>
*<code>torch.sparse_csc_tensor(ccol_indices, row_indices, values, size)</code>
*CSR 방식은 행 인덱스를 압축 형태(<code>crow_indices</code>)로 저장하고, 각 행 내의 열 인덱스(<code>col_indices</code>)와 값 배열을 저장하는 방식이다. 
*CSC는 열 중심의 압축 표현 방식이다.
*CSR/CSC 방식은 특히 행 또는 열 기반 연산 (예: 행 단위 순회)에 효율적이다.
===BSR / BSC (블록 압축형)===
*<code>torch.sparse_bsr_tensor(crow_indices, col_indices, values, size)</code>
*<code>torch.sparse_bsc_tensor(ccol_indices, row_indices, values, size)</code>
*이 방식은 텐서를 일정 블록(block) 단위로 나누어 블록 단위의 압축 표현을 허용한다. 
*대형 희소 행렬을 블록 단위로 처리할 때 유리하다.
===일반 압축 희소 텐서 생성 함수===
*<code>torch.sparse_compressed_tensor(...)</code> 함수를 통해 <code>layout</code> 인자를 지정하는 방식으로 CSR, CSC, BSR, BSC 등을 생성할 수 있다.