torch_geometric.nn.models.RECT_L

class RECT_L(in_channels: int, hidden_channels: int, normalize: bool = True, dropout: float = 0.0)

Bases: Module

RECT模型，即其监督学习的RECT-L部分，来自 “完全不平衡标签下的网络嵌入”论文。 特别是，训练了一个GCN模型来重建语义类知识。

注意

有关使用RECT的示例，请参见examples/rect.py。

Parameters:

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

• hidden_channels (int) – Intermediate size of each sample.

• normalize (bool, 可选) – 是否添加自环并动态计算对称归一化系数。 (默认: True)

• dropout (float, optional) – dropout概率。 (默认: 0.0)

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

Return type:

Tensor

reset_parameters()

重置模块的所有可学习参数。

get_semantic_labels(x: Tensor, y: Tensor, mask: Tensor) → Tensor

用它们的类中心替换原始标签。

Return type:

Tensor