1?torch_geometric.utils.add_self_loops

add_self_loops(edge_index, edge_weight: Optional[torch.Tensor] = None, fill_value: float = 1.0, num_nodes: Optional[int] = None)

在edge_index中，對圖上每個節點i，添加一條邊（i，i）

參數介紹

edge_index?(LongTensor)?	原圖的edge_index
edge_weight?(Tensor,?optional)	原圖那些邊的weight 【一維數組，維度需要和原來的邊數量一致】 【此時自環的權重默認為1】
fill_value?(float,?optional)	如果edge_weight非空，將用fill_value作為自環的weight
num_nodes?(int,?optional)?	最初的多少個點進行自環（沒有這個參數的話，就是默認所有的點）

?返回內容

????????(LongTensor,?Tensor) 第一個維度是更新后的edge_idx，第二個維度是邊權重，如果沒有設置edge_weight，那么第二個維度是None

2?torch_geometric.utils.remove_self_loops

去除自環

remove_self_loops(edge_index, edge_attr: Optional[torch.Tensor] = None)

3 torch_geometric.utils.degree

degree(index, num_nodes: Optional[int] = None, dtype: Optional[int] = None)

計算一個給定的一維index tensor的度

num_nodes也是表示計算多少個點的度

x,y=edge_index x,y #(tensor([0, 1, 2, 0, 3]), tensor([1, 0, 1, 3, 2]))torch_geometric.utils.degree(x) #tensor([2., 1., 1., 1.]) #0~3這四個點的出度torch_geometric.utils.degree(y) #tensor([1., 2., 1., 1.]) #0~3這四個點的入度

4?torch_geometric.utils.get_laplacian

通過edge_index和可能有的edge_weight，計算圖拉普拉斯矩陣

get_laplacian(edge_index, edge_weight: Optional[torch.Tensor] = None, normalization: Optional[str] = None, dtype: Optional[int] = None, num_nodes: Optional[int] = None)

?參數說明?

edge_index?(LongTensor)?	原圖的edge_index
edge_weight?(Tensor,?optional)?	邊權重
normalization?	圖拉普拉斯矩陣的歸一化方法：默認是sym None 沒有歸一化? ? ??? "sym" 對稱歸一化? ? ? ?? "rw" 隨機游走歸一化? ?
dtype?(torch.dtype,?optional)?
num_nodes?(int,?optional)?	表示計算多少個點的拉普拉斯矩陣

5?to_networkx

to_networkx(data, node_attrs=None, edge_attrs=None, to_undirected=False, remove_self_loops=False)

參數說明

data?(torch_geometric.data.Data)?	需要轉換的Data數據
node_attrs?(iterable of str,?optional)?	需要轉換的點屬性
edge_attrs?(iterable of str,?optional)?	需要轉化的邊屬性
to_undirected?(bool,?optional)?	如果是True，那么返回的就是networkx.Graph 如果是False，那么返回的就是networkx.DiGraph 無向圖會根據相應鄰接矩陣的上三角矩陣進行創建
remove_self_loops?(bool,?optional)?	是否移除自環

我們以ENZYMES數據集的第一個data為例：

torch_geometric筆記：數據集 ENZYMES &Minibatches_UQI-LIUWJ的博客-CSDN博客

import networkx as nx import matplotlib.pyplot as plt from torch_geometric.datasets import TUDataset from torch_geometric.utils import to_networkxdataset = TUDataset(root='', name='ENZYMES')dataset[0] #Data(edge_index=[2, 168], x=[37, 3], y=[1])x=to_networkx(dataset[0]) nx.draw(x, with_labels=True)

?

總結

以上是生活随笔為你收集整理的torch_geometric 笔记：TORCH_GEOMETRIC.UTILS（更新中）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。