dgl.graphbolt.fused_csc_sampling_graph

dgl.graphbolt.fused_csc_sampling_graph(csc_indptr: Tensor, indices: Tensor, node_type_offset: tensor | None = None, type_per_edge: tensor | None = None, node_type_to_id: Dict[str, int] | None = None, edge_type_to_id: Dict[str, int] | None = None, node_attributes: Dict[str, tensor] | None = None, edge_attributes: Dict[str, tensor] | None = None) → FusedCSCSamplingGraph[source]

从CSC表示创建一个FusedCSCSamplingGraph对象。

Parameters:

csc_indptr (torch.Tensor) – 指向indices中每行开始的指针。一个形状为(total_num_nodes+1,)的整数张量。
indices (torch.Tensor) – CSC图中非零元素的列索引。一个形状为(total_num_edges,)的整数张量。
node_type_offset (可选[torch.tensor], 可选) – 图中节点类型的偏移量，默认为 None。
type_per_edge (可选[torch.tensor], 可选) – 图中每条边的类型ID，默认为None。
node_type_to_id (可选[字典[str, int]], 可选) – 将节点类型映射到ID，默认为None。
edge_type_to_id (可选[字典[str, int]], 可选) – 将边类型映射到ID，默认为None。
node_attributes (可选[字典[str, torch.tensor]], 可选) – 图的节点属性，默认为 None。
edge_attributes (可选[字典[str, torch.tensor]], 可选) – 图的边属性，默认为 None。

Returns:

创建的FusedCSCSamplingGraph对象。

Return type:

FusedCSCSamplingGraph

示例

>>> ntypes = {'n1': 0, 'n2': 1, 'n3': 2}
>>> etypes = {'n1:e1:n2': 0, 'n1:e2:n3': 1}
>>> csc_indptr = torch.tensor([0, 2, 5, 7, 8])
>>> indices = torch.tensor([1, 3, 0, 1, 2, 0, 3, 2])
>>> node_type_offset = torch.tensor([0, 1, 2, 4])
>>> type_per_edge = torch.tensor([0, 1, 0, 1, 1, 0, 0, 0])
>>> graph = graphbolt.fused_csc_sampling_graph(csc_indptr, indices,
...         node_type_offset=node_type_offset,
...         type_per_edge=type_per_edge,
...         node_type_to_id=ntypes, edge_type_to_id=etypes,
...         node_attributes=None, edge_attributes=None,)
>>> print(graph)
FusedCSCSamplingGraph(csc_indptr=tensor([0, 2, 5, 7, 8]),
                      indices=tensor([1, 3, 0, 1, 2, 0, 3, 2]),
                      total_num_nodes=4, num_edges={'n1:e1:n2': 5, 'n1:e2:n3': 3},
                      node_type_offset=tensor([0, 1, 2, 4]),
                      type_per_edge=tensor([0, 1, 0, 1, 1, 0, 0, 0]),
                      node_type_to_id={'n1': 0, 'n2': 1, 'n3': 2},
                      edge_type_to_id={'n1:e1:n2': 0, 'n1:e2:n3': 1},)