GNN/GCA中创建无向图实例中的小提示

import torch
import torch.nn as nn
import torch.optim as optim
import dgl
from dgl.nn.pytorch import GraphConv

class GCA(nn.Module):
    def __init__(self, in_feats, hidden_size, out_feats):
        super(GCA, self).__init__()
        self.encoder = nn.Sequential(
            GraphConv(in_feats, hidden_size),
            nn.ReLU()
        )
        self.decoder = nn.Sequential(
            GraphConv(hidden_size, out_feats),
            nn.Sigmoid()
        )

    def forward(self, g, x):

        h = self.encoder[0](g, x)
        h = self.encoder[1](h)

        x_recon = self.decoder[0](g, h)
        x_recon = self.decoder[1](x_recon)
        return x_recon

# 创建图数据
def create_graph():


    g = dgl.graph(( torch.tensor([0,1,2,3]), torch.tensor([1,2,3,0]) ))
    #g = dgl.add_self_loop(g)

    features = torch.tensor([[1, 2, 3, 4],
                             [2, 3, 4, 1],
                             [3, 4, 1, 2],
                             [4, 1, 2, 3]], dtype=torch.float32)
    return g, features

# 初始化
g, x = create_graph()
g = g.to('cpu')
x = x.to('cpu')

model = GCA(in_feats=4, hidden_size=64, out_feats=4)
optimizer = optim.Adam(model.parameters(), lr=0.01)
criterion = nn.MSELoss()

model.train()

print(f"Graph has {g.number_of_nodes()} nodes and {g.number_of_edges()} edges")


for epoch in range(200):
    optimizer.zero_grad()
    x_recon = model(g, x)
    loss = criterion(x_recon, x)
    loss.backward()
    optimizer.step()
    print(f'Epoch: {epoch:03d}, Loss: {loss.item():.4f}')

 针对自己在学习GCN中遇到的一些问题，在这里简单记录一下。

这是我在模拟实现一个简单的图自编码器中遇到的一些问题：

1.当运行这段代码时，初始创建图g的代码如下：g = dgl.graph((torch.tensor([1, 2, 3, 4]), torch.tensor([2, 3, 4, 1])))，而节点特征矩阵创建如代码所示，是一个4×4的矩阵。在上述创建完毕后点击运行，大概率会出现'RuntimeError: The size of tensor a (4) must match the size of tensor b (5) at non-singleton dimension 0'的错误，这是因为出现了维度不匹配的问题，在(torch.tensor([1,2,3,4]),torch.tensor([2,3,4,1]))中，graph是根据索引值进行创建，所以代码默认从下标索引为1开始创建，其中就多包含了索引值为0的节点，这就是'

print(f"Graph has {g.number_of_nodes()} nodes and {g.number_of_edges()} edges")

'打印出来会显示5个node的原因，所以在创建图g的时候，一定是要从索引为0开始。如上述代码中创建的图则为：0->1,1->2,2->3,3->0。

2. 很多时候会出现from dgl.nn import GraphConv 中GraphConv标红，显示在'__init__'中找不到什么GraphConv，只要将导入语句修改为“ from dgl.nn.pytorch import GraphConv”就ok了。