torch_geometric.nn.models.PMLP

class PMLP(in_channels: int, hidden_channels: int, out_channels: int, num_layers: int, dropout: float = 0.0, norm: bool = True, bias: bool = True)

Bases: Module

来自“图神经网络本质上是良好的泛化者：通过桥接GNN和MLP的见解”论文的P(ropagational)MLP模型。PMLP在训练期间与标准MLP相同，但在测试期间采用GNN架构。

Parameters:

• in_channels (int) – Size of each input sample.

• hidden_channels (int) – Size of each hidden sample.

• out_channels (int) – Size of each output sample.

• num_layers (int) – 层数。

• dropout (float, optional) – 每个隐藏嵌入的丢弃概率。(默认: 0.)

• norm (bool, 可选) – 如果设置为 False，将不会应用批量归一化。（默认值：True）

• bias (bool, 可选) – 如果设置为 False，该模块将不会学习加性偏差。（默认值：True）

forward(x: Tensor, edge_index: Optional[Tensor] = None) → Tensor

Return type:

Tensor

reset_parameters()

重置模块的所有可学习参数。