torch_geometric.nn.conv.AGNNConv

class AGNNConv(requires_grad: bool = True, add_self_loops: bool = True, **kwargs)

Bases: MessagePassing

来自“基于注意力的图神经网络用于半监督学习”论文的图注意力传播层。

\[\mathbf{X}^{\prime} = \mathbf{P} \mathbf{X},\]

其中传播矩阵 \(\mathbf{P}\) 的计算方式为

\[P_{i,j} = \frac{\exp( \beta \cdot \cos(\mathbf{x}_i, \mathbf{x}_j))} {\sum_{k \in \mathcal{N}(i)\cup \{ i \}} \exp( \beta \cdot \cos(\mathbf{x}_i, \mathbf{x}_k))}\]

带有可训练参数 \(\beta\)。

Parameters:

• requires_grad (bool, 可选) – 如果设置为 False, \(\beta\) 将不可训练。（默认值：True）

• add_self_loops (bool, optional) – If set to False, will not add self-loops to the input graph. (default: True)

• **kwargs (optional) – Additional arguments of torch_geometric.nn.conv.MessagePassing.

Shapes:

• 输入: 节点特征 \((|\mathcal{V}|, F)\), 边索引 \((2, |\mathcal{E}|)\)

• output: node features \((|\mathcal{V}|, F)\)

forward(x: Tensor, edge_index: Union[Tensor, SparseTensor]) → Tensor

运行模块的前向传播。

Return type:

Tensor

reset_parameters()

重置模块的所有可学习参数。