matmul=‘add’的函数是否等于matmul(adjacency_matrix，feature_matrix)？
matmul=‘add’的函数是否等于matmul(adjacency_matrix，feature_matrix)？
提问于 2022-07-07 15:39:04
我有一个关于以下代码的问题。特别是在(1)中，它是专门的：
__init__(aggr='add') 在(2)中，我没有像(1)中那样的aggr='add‘，而是在邻接矩阵(edge_index)和节点(X_j)之间进行乘法：
matmul(edge_index, x_j)说它们是一样的，产生同样的结果，这是正确的吗？
码(1)
import torch
from torch.nn import Linear, Parameter
from torch_geometric.nn import MessagePassing
from torch_geometric.utils import add_self_loops, degree
class GCNConv(MessagePassing):
def __init__(self, in_channels, out_channels):
super().__init__(aggr='add')
self.reset_parameters()
def reset_parameters(self):
self.lin.reset_parameters()
def forward(self, x, edge_index):
# x has shape [N, in_channels]
# edge_index has shape [2, E]
# Step 1: Add self-loops to the adjacency matrix.
edge_index, _ = add_self_loops(edge_index, num_nodes=x.size(0))
# Step 4-5: Start propagating messages.
out = self.propagate(edge_index, x=x)
return out
def message(self, x_j):
return x_j码(2)
import torch
from torch.nn import Linear, Parameter
from torch_geometric.nn import MessagePassing
from torch_geometric.utils import add_self_loops, degree
class GCNConv(MessagePassing):
def __init__(self, in_channels, out_channels):
super().__init__()
self.reset_parameters()
def reset_parameters(self):
self.lin.reset_parameters()
def forward(self, x, edge_index):
# x has shape [N, in_channels]
# edge_index has shape [2, E]
edge_index, _ = add_self_loops(edge_index, num_nodes=x.size(0))
out = self.propagate(edge_index, x=x)
return out
def message_and_aggregate(self, edge_index, x_j):
return matmul(edge_index, x_j)回答 1
Stack Overflow用户
发布于 2022-07-29 06:23:29
正如您所描述的(实际上，您的代码中有一些错误，代码可能无法成功运行)，代码1只是添加了邻居节点的特性和自身(有一个自循环)来获得更新的特征，代码2是将特征(包括自己的特征)乘以邻接矩阵，这也增加了相邻节点的特性(矩阵的对应位置为1)。因此，两者基本上没有区别。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72900676
复制相关文章
相似问题
腾讯云开发者
