dgl.svd_pe

dgl.svd_pe(g, k, padding=False, random_flip=True)[source]

SVD-based Positional Encoding, as introduced in Global Self-Attention as a Replacement for Graph Convolution

此函数计算最大的\(k\)奇异值以及相应的左右奇异向量，以形成位置编码。

Parameters:

g (DGLGraph) – 一个需要编码的DGLGraph，必须是一个同质图。
k (int) – Number of largest singular values and corresponding singular vectors used for positional encoding.
padding (bool, optional) – 如果为False，当\(k > N\)时，会引发错误，其中\(N\)是g中的节点数。如果为True，当\(k > N\)时，在编码向量的末尾添加零填充。默认值：False。
random_flip (bool, optional) – If True, randomly flip the signs of encoding vectors. Proposed to be activated during training for better generalization. Default : True.

Returns:

返回基于SVD的位置编码，形状为 \((N, 2k)\)。

Return type:

张量

示例

>>> import dgl

>>> g = dgl.graph(([0,1,2,3,4,2,3,1,4,0], [2,3,1,4,0,0,1,2,3,4]))
>>> dgl.svd_pe(g, k=2, padding=False, random_flip=True)
tensor([[-6.3246e-01, -1.1373e-07, -6.3246e-01,  0.0000e+00],
        [-6.3246e-01,  7.6512e-01, -6.3246e-01, -7.6512e-01],
        [ 6.3246e-01,  4.7287e-01,  6.3246e-01, -4.7287e-01],
        [-6.3246e-01, -7.6512e-01, -6.3246e-01,  7.6512e-01],
        [ 6.3246e-01, -4.7287e-01,  6.3246e-01,  4.7287e-01]])