torch_geometric.nn.models.DeepGCNLayer
- class DeepGCNLayer(conv: Optional[Module] = None, norm: Optional[Module] = None, act: Optional[Module] = None, block: str = 'res+', dropout: float = 0.0, ckpt_grad: bool = False)[source]
Bases:
Module来自 “DeepGCNs: Can GCNs Go as Deep as CNNs?” 和 “All You Need to Train Deeper GCNs” 论文的跳跃连接操作。 实现的跳跃连接包括预激活残差 连接 (
"res+")、残差连接 ("res")、 密集连接 ("dense") 和无连接 ("plain")。Res+ (
"res+"):
\[\text{Normalization}\to\text{Activation}\to\text{Dropout}\to \text{GraphConv}\to\text{Res}\]Res (
"res") / Dense ("dense") / Plain ("plain"):
\[\text{GraphConv}\to\text{Normalization}\to\text{Activation}\to \text{Res/Dense/Plain}\to\text{Dropout}\]注意
For an example of using
GENConv, see examples/ogbn_proteins_deepgcn.py.- Parameters:
conv (torch.nn.Module, 可选) – GCN操作符。 (默认:
None)norm (torch.nn.Module) – 归一化层。（默认值：
None）act (torch.nn.Module) – 激活层。(默认:
None)block (str, 可选) – 要使用的跳跃连接操作 (
"res+","res","dense"或"plain"). (默认:"res+")dropout (float, optional) – 是否应用或丢弃。 (默认:
0.)ckpt_grad (bool, optional) – 如果设置为
True，将会对模型的这一部分进行检查点保存。检查点保存通过用计算换取内存来工作，因为不需要将中间激活值保存在内存中。如果你在深入训练时遇到内存不足的错误，请将此设置为True。（默认值：False）