2.7.0
安装 PyG
安装
开始使用
通过示例介绍
Colab 笔记本和视频教程
教程
图神经网络的设计
处理图数据集
用例与应用
分布式训练
高级概念
高级小批量处理
内存高效聚合
分层邻域采样
编译图神经网络
TorchScript 支持
通过远程后端扩展GNNs
使用GraphGym管理实验
PyG 工作负载的 CPU 亲和性
包参考
torch_geometric
torch_geometric.nn
卷积层
Aggregation Operators
归一化层
池化层
Unpooling Layers
Models
KGE 模型
编码
Functional
Dense Convolutional Layers
Dense Pooling Layers
模型转换
DataParallel 层
模型中心
模型摘要
torch_geometric.data
torch_geometric.loader
torch_geometric.sampler
torch_geometric.datasets
torch_geometric.transforms
torch_geometric.utils
torch_geometric.explain
torch_geometric.metrics
torch_geometric.distributed
torch_geometric.contrib
torch_geometric.graphgym
torch_geometric.profile
速查表
GNN Cheatsheet
数据集速查表
外部资源
外部资源
pytorch_geometric
torch_geometric.nn
torch_geometric.nn.pool.max_pool_neighbor_x
View page source
torch_geometric.nn.pool.max_pool_neighbor_x
max_pool_neighbor_x
(
data
:
Data
,
flow
:
Optional
[
str
]
=
'source_to_target'
)
→
Data
[source]
最大池化相邻节点特征,其中
data.x
中的每个特征被替换为中心节点及其邻居中具有最大值的特征值。
Return type
:
Data