GNN教程：DGL框架中的采样模型！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale干货 

作者：秦州，算法工程师，Datawhale成员

引言

本文为GNN教程的系列干货。之前介绍了DGL这个框架，以及如何使用DGL编写一个GCN模型，用在学术数据集上，这样的模型是workable的。然而，现实生活中我们还会遇到非常庞大的图数据，庞大到邻接矩阵和特征矩阵不能同时塞进内存中，这时如何解决这样的问题呢？

DGL采用了和GraphSAGE类似的邻居采样策略，通过构建计算子图缩小了每次计算的图规模，这篇博文将会介绍DGL提供的采样模型。

GCN中暴露的问题

首先我们回顾一下GCN的逐层embedding更新公式，给定图  , 我们用在程序中用邻接矩阵 和及节点embedding 表示它，那么一个 -层的GCN网络采用如下的更新公式， 层节点 的embedding  取决于它所有在 层的邻居embedding

其中， 是节点 的邻居节点集合， 是正规化后的 ，比如 ， 是可训练的权重矩阵。

在节点分类的任务中，我们采用如下形式计算loss：