dgl.add_self_loop

dgl.add_self_loop(g, edge_feat_names=None, fill_data=1.0, etype=None)

为图中的每个节点添加自环并返回一个新图。

Parameters:

• g (DGLGraph) – The graph.

• edge_feat_names (list[str], optional) – 要应用fill_data的自环特征名称。如果为None，则会将fill_data应用于所有自环特征。默认值：None。

• fill_data (int, float or str, optional) –

  用于填充自环特征的值。默认值为1。

  • 如果 fill_data 是 int 或 float，自环特征将直接由 fill_data 给出。

  • 如果 fill_data 是 str，自环特征将通过聚合对应节点的入边特征生成。支持的聚合方式有：'mean'、'sum'、'max'、'min'。

• etype (str or (str, str, str), optional) –

  The type names of the edges. The allowed type name formats are:

  • (str, str, str) for source node type, edge type and destination node type.

  • or one str edge type name if the name can uniquely identify a triplet format in the graph.

  Can be omitted if the graph has only one type of edges.

Returns:

带有自环的图。

Return type:

DGLGraph

注释

• 该函数仅支持同构图或异构图，但由etype参数指定的关系图是同构的。

• 该函数会添加自环，无论它们是否已经存在。 如果希望每个节点恰好有一个自环， 在调用 add_self_loop() 之前，请先调用 remove_self_loop()。

• This function discards the batch information. Please use dgl.DGLGraph.set_batch_num_nodes() and dgl.DGLGraph.set_batch_num_edges() on the transformed graph to maintain the information.

示例

>>> import dgl
>>> import torch

同构图

>>> g = dgl.graph((torch.tensor([0, 0, 2]), torch.tensor([2, 1, 0])))
>>> g.ndata['hv'] = torch.arange(3).float().reshape(-1, 1)
>>> g.edata['he'] = torch.arange(3).float().reshape(-1, 1)
>>> g = dgl.add_self_loop(g, fill_data='sum')
>>> g
Graph(num_nodes=3, num_edges=6,
    ndata_schemes={'hv': Scheme(shape=(1,), dtype=torch.float32)}
    edata_schemes={'he': Scheme(shape=(1,), dtype=torch.float32)})
>>> g.edata['he']
tensor([[0.],
        [1.],
        [2.],
        [2.],
        [1.],
        [0.]])

异构图

>>> g = dgl.heterograph({
...     ('user', 'follows', 'user'): (torch.tensor([1, 2]),
...                                   torch.tensor([0, 1])),
...     ('user', 'plays', 'game'): (torch.tensor([0, 1]),
...                                 torch.tensor([0, 1]))})
>>> g = dgl.add_self_loop(g, etype='follows')
>>> g
Graph(num_nodes={'user': 3, 'game': 2},
      num_edges={('user', 'plays', 'game'): 2, ('user', 'follows', 'user'): 5},
      metagraph=[('user', 'user'), ('user', 'game')])