torch_geometric.nn.models.EdgeCNN

class EdgeCNN(in_channels: int, hidden_channels: int, num_layers: int, out_channels: Optional[int] = None, dropout: float = 0.0, act: Optional[Union[str, Callable]] = 'relu', act_first: bool = False, act_kwargs: Optional[Dict[str, Any]] = None, norm: Optional[Union[str, Callable]] = None, norm_kwargs: Optional[Dict[str, Any]] = None, jk: Optional[str] = None, **kwargs)[source]

基础类：BasicGNN

来自“Dynamic Graph CNN for Learning on Point Clouds”论文的图神经网络，使用EdgeConv操作符进行消息传递。

Parameters:

in_channels (int) – 每个输入样本的大小。
hidden_channels (int) – 每个隐藏样本的大小。
num_layers (int) – 消息传递层的数量。
out_channels (int, optional) – 如果未设置为 None，将应用一个最终的线性变换，将隐藏节点嵌入转换为输出大小 out_channels。（默认值：None）
dropout (float, 可选) – 丢弃概率。 (默认: 0.)
act (str 或 Callable, 可选) – 使用的非线性激活函数。(默认: "relu")
act_first (bool, 可选) – 如果设置为 True，激活将在归一化之前应用。（默认值：False）
act_kwargs (Dict[str, Any], optional) – 传递给由 act 定义的相应激活函数的参数。 (默认值: None)
norm (str 或 Callable, 可选) – 使用的归一化函数。（默认值：None）
norm_kwargs (Dict[str, Any], optional) – 传递给由norm定义的相应归一化函数的参数。 (默认值: None)
jk (str, optional) – 跳跃知识模式。如果指定，模型将额外应用一个最终的线性变换，将节点嵌入转换为预期的输出特征维度。 (None, "last", "cat", "max", "lstm"). (默认: None)
**kwargs (可选) – torch_geometric.nn.conv.EdgeConv 的额外参数。

forward(x: Tensor, edge_index: Union[Tensor, SparseTensor], edge_weight: Optional[Tensor] = None, edge_attr: Optional[Tensor] = None, batch: Optional[Tensor] = None, batch_size: Optional[int] = None, num_sampled_nodes_per_hop: Optional[List[int]] = None, num_sampled_edges_per_hop: Optional[List[int]] = None) → Tensor

前向传播。

Parameters:

x (torch.Tensor) – 输入的节点特征。
edge_index (torch.Tensor 或 SparseTensor) – 边的索引。
edge_weight (torch.Tensor, optional) – 边的权重（如果底层的GNN层支持）。(默认值: None)
edge_attr (torch.Tensor, optional) – 边的特征（如果底层的GNN层支持）。(默认: None)
batch (torch.Tensor, optional) – 批次向量 \(\mathbf{b} \in {\{ 0, \ldots, B-1\}}^N\), 它将每个元素分配给特定的示例。只有在基础归一化层需要 batch 信息时才需要传递。 (默认: None)
batch_size (int, optional) – 示例的数量 \(B\)。如果未给出，则自动计算。仅在底层归一化层需要 batch 信息时需要传递。 (默认: None)
num_sampled_nodes_per_hop (List[int], optional) – 每跳采样的节点数。在NeighborLoader场景中非常有用，仅对最小大小的表示进行操作。 (默认: None)
num_sampled_edges_per_hop (List[int], optional) – 每跳采样的边数。在NeighborLoader场景中，仅对最小大小的表示进行操作时有用。 (默认: None)

Return type:

Tensor