pyGAT源码阅读

本文通过阅读pyGAT源码,详细解释了如何计算节点之间的相似度,通过操作去除不联通边,并应用注意力机制,形成一个包含8个头部的注意力网络。经过多次聚合操作和输出层的处理,提升模型性能,尤其是在测试集上对比GCN有显著提升。
摘要由CSDN通过智能技术生成

layers.GraphAttentionLayer._prepare_attentional_mechanism_input

Wh.shape
Out[1]: torch.Size([2708, 8])
Wh_repeated_in_chunks.shape
Out[3]: torch.Size([7333264, 8])
N
Out[4]: 2708
N**2
Out[5]: 7333264

Wh_repeated_in_chunks.shape == Wh_repeated_alternating.shape == (N * N, out_features)

目的其实是把两个拼起来

        # e1 || e1
        # e1 || e2
        # e1 || e3
        # ...
        # e1 || eN
        # e2 || e1
        # e2 || e2
        # e2 || e3
        # ...
        # e2 || eN
        # ...
        # eN || e1
        # eN || e2
        # eN || e3
        # ...
        # eN || eN
all_combinations_matrix = torch.cat([Wh_repeated_in_chunks, Wh_repeated_alternating], dim
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值