稠密矩阵和稀疏矩阵的对比
计算图的邻接矩阵时跑不动，爆内存，运行自动停止：
python
GPU state: True
Dataset: assist2012, Ques number: 53091, Skill number: 265
KilledDense（稠密矩阵）
稠密矩阵（dense matrix）就是每个元素都显式存储在内存里的矩阵。
例如一个 3×3 的矩阵：
A = \[1, 0, 2,
0, 0, 3,
4, 0, 5\]
在稠密矩阵里，即使很多元素是 0，0 也会占内存存储。
特点：
内存占用 = 元素个数 × 每个元素大小
矩阵乘法、加法等操作都是针对所有元素进行的
小矩阵无所谓，但大矩阵（尤其是几百万 × 几百万）会 爆内存
Sparse（稀疏矩阵）
**稀疏矩阵（sparse matrix）**只存储 非零元素及其索引
上面的矩阵，如果只存非零元素，会存成：
值: 1,2,3,4,5
行索引: 0,0,1,2,2
列索引: 0,2,2,0,2
内存占用 ≈ 非零元素数 × (值+索引)
当矩阵大而且大部分是 0 时，稀疏矩阵内存节省巨大
3️⃣ 为什么你的 G 计算爆内存
你原来的代码：
G = DV2 * H * W * invDE * HT * DV2
H 是 (百万 × 几百)
HT 是 (几百 × 百万)
当你相乘时，中间结果就成了 (百万 × 百万) 的矩阵 dense
即便大部分元素是 0，也会被完整存储，导致内存瞬间 TB 级别 → 爆掉
4️⃣ 总结
Dense 计算 = 所有元素都存储和计算，即使是 0
Sparse 计算 = 只存储非零元素，用稀疏算法计算，节省内存
对你的超图 G，必须全程稀疏矩阵计算，否则不可能在普通电脑上跑