代刷网站推广链接免费,wordpress自己做主题,买域名价格,专业的网站建设价格node feature 维度不同
我现在有许多不同的图要加入训练#xff0c;每个图的节点特征维度不同#xff0c;第一张图n_weight特征有10条数据#xff0c;第二张图n_weight特征有15条数据#xff0c;但是训练的时候#xff0c;需要维度都对其#xff0c;所以直接做0 padding…node feature 维度不同
我现在有许多不同的图要加入训练每个图的节点特征维度不同第一张图n_weight特征有10条数据第二张图n_weight特征有15条数据但是训练的时候需要维度都对其所以直接做0 padding 把小于15条数据的全部后面填充0再加入训练
多个node features
我的节点有n_weight和n_community两个特征都要加入训练 forward 程序中cat n_weight和n_community两个特征如果有很多个特征写循环
class GraphClassifier(nn.Module):def __init__(self, in_dim, hidden_dim, n_classes):super(GraphClassifier, self).__init__()self.conv1 GraphConv(in_dim, hidden_dim)self.conv2 GraphConv(hidden_dim, hidden_dim)# flatten into linear so we can crossentropy/ softmax it.self.classify nn.Linear(hidden_dim, n_classes)def forward(self, g):# run the weight feature through the netw g.ndata[n_weight]w F.relu(self.conv1(g, w))w F.relu(self.conv2(g, w))g.ndata[n_weight] w# run the community feature through the netc g.ndata[n_community]c F.relu(self.conv1(g, c))c F.relu(self.conv1(g, c))g.ndata[n_community] c# combine both features into one tensorwc torch.cat((w, c), 1)return self.classify(wc)
