类似于pytorch中的torch.sparse这种
jittor现在的版本还没有 sparse 接口，是未来的工作之一。您可以例举您的需求，我们可以帮助您确认是否能够通过 jittor 其他接口实现。
是这样的，我想使用邻接矩阵定义一张可能非常大，但连接并不稠密的图，在这张图中找到每个节点的邻居的索引，根据索引引用另一个张量中的数据进行下一步计算，请问在jittor中有比较有效的方法实现吗？
听起来似乎可以使用 分组聚合 实现。
具体来说，使用边进行索引，假如边由两个数组构成，A, B, 形状均为 [E]，要做的是对于每一条有向边 (a,b)，把 a 的特征聚集到 b 上。可以先通过 A 得到一个特征数组，形状为 [E, C]。然后以 B 为索引，对特征数组分组聚合，实现 A → B 的特征聚合。
我不是很理解。请问
可以先通过 A 得到一个特征数组，形状为 [E, C]
中特征数组的含义是什么？另外，C是什么？节点数吗？这里的意思是，类似独热编码那样，将A从向量变成0-1矩阵吗？
假设图上每个结点有一个 C 维特征，那么由 A 索引到的数组的形状就是 [E, C]，这个特征数组的代表了所有有向边的开始结点的特征。
原来如此，我明白了，谢谢。