torch_geometric.nn.models.GAE

class GAE(encoder: Module, decoder: Optional[Module] = None)

Bases: Module

图自动编码器模型来自 “变分图自动编码器” 论文，基于用户定义的编码器和解码器模型。

Parameters:

• encoder (torch.nn.Module) – 编码器模块。

• decoder (torch.nn.Module, optional) – 解码器模块。如果设置为 None，将默认使用 torch_geometric.nn.models.InnerProductDecoder。 (默认值: None)

forward(*args, **kwargs) → Tensor

encode() 的别名。

Return type:

Tensor

reset_parameters()

重置模块的所有可学习参数。

encode(*args, **kwargs) → Tensor

运行编码器并计算节点级别的潜在变量。

Return type:

Tensor

decode(*args, **kwargs) → Tensor

运行解码器并计算边缘概率。

Return type:

Tensor

recon_loss(z: Tensor, pos_edge_index: Tensor, neg_edge_index: Optional[Tensor] = None) → Tensor

给定潜在变量 z，计算正边 pos_edge_index 和负采样边的二元交叉熵损失。

Parameters:

• z (torch.Tensor) – 潜在空间 \(\mathbf{Z}\)。

• pos_edge_index (torch.Tensor) – 用于训练的正向边。

• neg_edge_index (torch.Tensor, optional) – 用于训练的负边。如果未提供，则使用负采样来计算负边。（默认值：None）

Return type:

Tensor

test(z: Tensor, pos_edge_index: Tensor, neg_edge_index: Tensor) → Tuple[Tensor, Tensor]

给定潜在变量 z，正边 pos_edge_index 和负边 neg_edge_index， 计算ROC曲线下面积（AUC）和平均精度（AP） 分数。

Parameters:

• z (torch.Tensor) – 潜在空间 \(\mathbf{Z}\).

• pos_edge_index (torch.Tensor) – 用于评估的正向边。

• neg_edge_index (torch.Tensor) – 用于评估的负边。

Return type:

Tuple[Tensor, Tensor]