图学习¶

class graphscope.learning.graph.Graph(*args: Any, **kwargs: Any)[源代码]¶

E(edge_type, feed=None, reverse=False)[源代码]¶

GSL的入口，从EDGE开始。

Parameters:

edge_type (string) – 作为查询入口的边类型。
feed (None| (np.ndarray, np.ndarray) | types.GeneratorType | Edges) –
- None: 默认值。使用后续的.shuffle和.batch API采样边。 (np.ndarray, np.ndarray): src_ids, dst_ids。获取给定(src_ids, dst_ids)和边类型的边。src_ids和dst_ids必须具有相同形状，数据类型为int。
- types.Generator: (numpy.ndarray, numpy.ndarray)的生成器。获取生成的(src_ids, dst_ids)和给定边类型的边。
- Edges: 一个Edges对象。

V(t, feed=None, node_from=graphlearn.pywrap.NodeFrom.NODE, mask=graphlearn.python.utils.Mask.NONE)[源代码]¶

GSL的入口，从VERTEX开始。

Parameters:

t (string) - 节点类型，作为查询入口的节点类型，或者当节点来自边的源或目标时表示边的类型。
feed (None| numpy.ndarray | types.GeneratorType | Nodes) –
当feed 不为None时，type应为节点类型，表示查询指定节点ID的属性。
- None: 默认值。通过后续的.shuffle和.batch API采样节点。 numpy.ndarray: 任意形状的ID数组。获取给定ID和节点类型的节点。
- types.Generator: numpy.ndarray的生成器。获取生成ID和给定节点类型的节点。
- Nodes: 一个Nodes对象。
node_from (NodeFrom) – 默认为 NodeFrom.NODE，表示从节点采样或迭代节点。NodeFrom.EDGE_SRC 表示从边的源节点采样或迭代节点，而 NodeFrom.EDGE_DST 表示从边的目标节点采样或迭代节点。如果节点来自边，则 type 必须是边类型。
mask (NONE | TRAIN | TEST | VAL) – 给定的节点集会同时根据原始节点类型和掩码值建立索引。默认掩码值为NONE，表示该索引不产生任何作用。

__init__(graph, handle, config=None, object_id=None)[源代码]¶: 使用句柄为学习引擎初始化一个图。