dgl.geometry

dgl.geometry 包包含几何操作：

点云采样的最远点采样
用于graclus池化的邻居匹配模块

注意

此包是实验性的，接口可能会在未来的版本中发生变化。

最远点采样器

最远点采样是一种从点云数据中迭代采样的贪心算法。它从一个随机单点样本开始。在每次迭代中，它从剩余的点中采样，这些点距离已采样点集合最远。

class dgl.geometry.farthest_point_sampler(pos, npoints, start_idx=None)[source]

无需计算所有距离对的最远点采样器。

在每批中，算法从start_idx指定的样本索引开始。然后对于每个点，我们保持最小到样本的距离。最后，我们选择具有最大距离的点。这个过程将重复sample_points - 1次。

Parameters:

pos (tensor) – 形状为 (B, N, C) 的位置张量
npoints (int) – 每批中要采样的点数。
start_idx (int, optional) – 如果提供，指定起始点的索引，否则随机选择一个点作为起始点。 (默认值: None)

Returns:

每批中的采样索引。

Return type:

形状为 (B, npoints) 的张量

示例

以下示例使用PyTorch后端。

>>> import torch
>>> from dgl.geometry import farthest_point_sampler
>>> x = torch.rand((2, 10, 3))
>>> point_idx = farthest_point_sampler(x, 2)
>>> print(point_idx)
    tensor([[5, 6],
            [7, 8]])

邻居匹配

邻居匹配是Graclus聚类算法中的一个重要模块。

class dgl.geometry.neighbor_matching(graph, e_weights=None, relabel_idx=True)[source]

Description

在Metis和Graclus中，用于同质图粗化的边粗化的邻居匹配过程。这个过程持续选择一个未标记的顶点，并将其与其未标记的邻居（最大化其边权重）进行匹配，直到无法再进行匹配。

如果没有给出边的权重，此过程将为每个顶点随机选择邻居。

GPU实现基于A GPU Algorithm for Greedy Graph Matching

NOTE: The input graph must be bi-directed (undirected) graph. Call dgl.to_bidirected: 如果你不确定你的图是否是双向的。

param graph:: 输入的齐次图。
type graph:: DGLGraph
param edge_weight:: 边缘权重张量，为每条边保存非负标量权重。默认值：None
type edge_weight:: torch.Tensor, 可选的
param relabel_idx:: 如果为真，重新标记生成的节点标签以具有连续的节点ID。默认值：True
type relabel_idx:: 布尔值，可选

示例

以下示例使用PyTorch后端。

>>> import torch, dgl
>>> from dgl.geometry import neighbor_matching
>>>
>>> g = dgl.graph(([0, 1, 1, 2], [1, 0, 2, 1]))
>>> res = neighbor_matching(g)
    tensor([0, 1, 1])