data.batch的作用,在于可以在执行torch_geometric.GCNCov之后,使用 torch_scatter.scatter_max(x,data.batch,dim=0) 来按行的方向(因为dim=0),挑选出每个子图中最大的样本(x的每一行是一个样本),该行数据即是这个子图中,已经聚合该子图中所有样本的信息的中心节点。关于scatter_max方法的理解,也可以参考这篇文...
在NeighborLoader中默认被集成进来 fromtorch_geometric.loader import NeighborLoader from torch_geometric.data import Data edge_index=torch.tensor([[0,0,1,2,2,3,3,3,4,4,5,6],[2,3,2,4,5,2,4,5,5,6,1,2]]) x=torch.randn(7,10) inputs = Data(x=x,edge_index=edge_index) loader ...
retain_variables(bool) –True,计算梯度时所需要的buffer在计算完梯度后不会被释放。如果想对一个子图多次求微分的话,需要设置为True。 2. torch.autograd.backward()一般程序示例 求 中y对x的梯度: x.grad.zero_() #梯度初始化,防止梯度累计 x = np.arange(4.0, requires_grad = True) #x需要求梯度 y...
https://chrsmrrs.github.io/datasets/docs/datasets/这是TUDdataset的连接通过“/tmp/AIDS”选择想要的数据集。 fromtorch_geometric.datasetsimportTUDatasetdataset=TUDataset(root='/tmp/AIDS',name='AIDS')#下载数据data=dataset#TUDataset数据集data1=dataset[0]#第一个图数据data>>AIDS(2000)#AIDS这个数据集有...