return self.propagate(edge_index, x=x, norm=norm) def message(self, x_j, norm): return norm.view(-1, 1) * x_j class Net(torch.nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = GCN(3, 16) self.conv2 = GCN(16, 32) self.conv3 = GCN(32, 6...
# propagate会自动调用self.message函数,并将参数传递给它returnself.propagate(edge_index,x=x,norm=norm)# 测试我们刚才定义的图卷积神经网络if__name__=='__main__':# 实例化一个图卷积神经网络 # 并假设图节点属性向量的维度为16,图卷积出来的节点特征表示向量维度为32conv=GCNConv(16,32)# 随机生成一...
GCNNorm。对图使用GCNNorm,操作源于论文"Semi-supervised Classification with Graph Convolutional Networks"; SVDFeatureReduction。使用奇异值分解对节点进行降维; RemoveTrainingClasses。根据train_mask将训练集中的标签抹去,创造zero-shot learning的场景; RandomNodeSplit。随机对节点样本进行划分,创建train_mask、valid_mas...
from torch_geometric.nn.conv.gcn_conv import gcn_norm class GCNConv(MessagePassing): # 继承MessagePassing的类 def __init__(self, in_channels: int, out_channels: int, bias: bool = True, **kwargs): kwargs.setdefault('aggr', 'add') # 设置aggregation方式为求和('add') super(GCNConv, ...
super(GCNConv, self).__init__(aggr='add') # 定义最里面那个线性变换 # 具体到实现中就是一个线性层 self.linear_change = torch.nn.Linear(in_channels, out_channels) # 定义信息汇聚函数 def message(self, x_j, norm): # 正则化...
GCN信息传递公式如下: 源码分析 一般的图卷积层是通过的forward函数进行调用的,通常的调用顺序如下,那么是如何将自定义的参数kwargs与后续的函数的入参进行对应的呢?(图来源:https://blog.csdn.net/minemine999/article/details/119514944) MessagePassing初始化构建了Inspector类, 其主要的作用是对子类中自定义的messag...
GCN继承自MessagePassing 和propagation。 在这里,我们首先使用torch_geometric.utils.add_self_loops()函数(步骤 1)将自循环添加到边缘索引中,并通过调用torch.nn.Linear实例(步骤 2)线性转换节点特征。 归一化系数由每个节点的节点度数导出,每个节点的节点度数被转换为每个边。结果保存在形状的张量中(步骤 3) ...
GCNConv类定义: 继承自MessagePassing基类,并指定聚合方式为add。 在构造函数中初始化一个线性变换层self.lin,用于变换节点特征。 forward方法: 接受节点特征矩阵x和边索引edge_index作为输入。 为图添加自环,以确保每个节点都能接收到自己的信息。 对节点特征进行线性变换。 计算归一化系数,用于后续的消息传递过程...
其中,每个 GCNConv 层被保持为128的隐藏尺寸;BatchNorm1d是一种旨在提高收敛速度并增强网络泛化能力的方法;EdgePooling是一种在 GraphConvolution 上附加的特殊类别,它将给定图下采样至其一半的大小,并返回缩小后的图与两个跟踪full-graph-to-pool双向映射(keep and senders)的 edge index(edgendarcs)。 在这种...
$ cd examples $ python gcn.py Please citeour paper(and the respective papers of the methods used) if you use this code in your own work: Feel free toemail usif you wish your work to be listed in theexternal resources. Running tests ...