GCNNorm

class dgl.transforms.GCNNorm(eweight_name='w')[source]

对输入图应用对称邻接归一化并保存结果边的权重，如使用图卷积网络进行半监督分类中所述。

对于异构图，这仅适用于对称的规范边类型，其源节点类型和目标节点类型是相同的。

Parameters:: eweight_name (str, optional) – edata 用于检索和存储边权重的名称。边权重是可选的。

示例

>>> import dgl
>>> import torch
>>> from dgl import GCNNorm
>>> transform = GCNNorm()
>>> g = dgl.graph(([0, 1, 2], [0, 0, 1]))

案例1：转换一个无权图

>>> g = transform(g)
>>> print(g.edata['w'])
tensor([0.5000, 0.7071, 0.0000])

案例2：转换一个加权图

>>> g.edata['w'] = torch.tensor([0.1, 0.2, 0.3])
>>> g = transform(g)
>>> print(g.edata['w'])
tensor([0.3333, 0.6667, 0.0000])