关于Pytorch和Pytorch Geometric(PyG)框架下重现GCN代码的理解

目录

一. 理解MessagePassing

二. 关于数据集的处理（以Cora为例）

三. 重现GCN代码分析

---

最近学习了，Pytorch和Pytorch Geometric(PyG)框架下重现SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS的代码，下面是关于Pytorch Geometric及代码的理解。

一. 理解MessagePassing

PyTorch Geometric provides the torch_geometric.nn.MessagePassing base class

1. Creating Message Passing Networks

将卷积运算符推广到不规则域通常表示为邻域聚合或消息传递方案：

       (1)

：代表节点i在第(k)层的特征

：代表（可选）代表边i,j的特征

其中：⊡代表可微分置换不变函数，例如（求和、求平均值、求最大值），而γ和ϕ为微分函数，例如MLP（多层感知器）

2. The “MessagePassing” Base Class

PyTorch Geometric provides the torch_geometric.nn.MessagePassing base class，

定义卷积层的时候继承此基类，只需要定义函数ϕ，比如：message()，和γ函数，比如：update(),以及the aggregation scheme to use，比如：aggr='add', aggr='mean' or aggr='max'

 

3.Implementing the GCN Layer