1 max_pool?

1.1 函數(shù)介紹

torch_geometric.nn.max_pool(cluster,?data,transform=None)

????????對由torch_geometricy .data給出的圖形進(jìn)行池化和粗化。

????????數(shù)據(jù)對象根據(jù)集群cluster中定義的集群。同一集群中的所有節(jié)點(diǎn)將表示為一個節(jié)點(diǎn)。最終節(jié)點(diǎn)特征由同一簇內(nèi)所有節(jié)點(diǎn)的特征最大值定義，節(jié)點(diǎn)位置平均，邊的index定義為同一簇內(nèi)所有節(jié)點(diǎn)的邊index的并集。

1.2 參數(shù)說明

cluster?(LongTensor)?	簇向量，每一個維度表示了一個點(diǎn)屬于哪個簇
data?(Data)?	torch_geometric的data 對象
transform?(callable,?optional)	一個函數(shù)/轉(zhuǎn)換，接受粗化和池化的torch_geometry .data。數(shù)據(jù)對象，并返回轉(zhuǎn)換后的版本。

?返回torch_geometric的data 對象

1.3 舉例說明

假如我們一開始的data 為：

Batch(x=[9893, 1], edge_index=[2, 34637], y=[9893, 1], batch=[9893], ptr=[2]) from torch_geometric.nn import max_poolcluster = graclus(data.edge_index, num_nodes=x.shape[0]) cluster #tensor([ 0, 1, 1, ..., 9890, 9891, 9892]) #第i維表示第i個點(diǎn)在以第幾個點(diǎn)為中心點(diǎn)的簇中data_c = max_pool(cluster, data) data_c #Batch(x=[5863, 1], edge_index=[2, 21983], batch=[5863]) #分成了5863 個cluster

1.3.1 mini-batch 的max_pool

在mini_batch的話，需要這樣寫：

data_c = max_pool(cluster, Data(x=data.x, batch=data.batch, edge_index=data.edge_index)) data

2 max_pool_x

對一個cluster中中的x的特征進(jìn)行最大池化操作

max_pool_x(cluster, x, batch, size: Optional[int] = None)

注意和max_pool的區(qū)別

max_pool 返回的是data，max_pool_x返回的是Tensor

max_pool 相當(dāng)于max_pool_x的基礎(chǔ)上，再對圖的邊進(jìn)行了修改合并操作

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的torch_geometric笔记：max_pool 与max_pool_x的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。