LGCN模型架构第四弹！对GCN以及graphConvolution层的理解

layers.py ：

        1、

                *args:是一个tuple类型，只能在函数第一次传参的时候可变，传好了就没法变了

                **kwargs:是一个dict类型的变量，里面的键值对的个数是可变的

        2.LIL格式的矩阵：

                data[]:这里面实际上是很多个列表，其中data[i]就是第i行的非零的元素的列表集合

     

network.py

        1.(89)config_summary():

                       这里tf.summary是专门用来在训练过程中记录数据的

稀疏矩阵：实际上在实际问题中，大规模的矩阵基本上都是稀疏矩阵，稀疏度甚至可以达到99%。

        COO(coordinate):最简单的形式，用三个一维的数组保存，分别保存对应元素的行数（行索引），列数（列索引），以及元素值、

        2.(121)transductive_train():

                深入理解sess.run()到底是如何用的：

                        run(fetches,feed_dict=None):fetches:可以是单个图元素，也可以是list,tuple,dict...

                       feed_dict:允许调用者替换图中张量的值，这里的话很明显三次调用run(),feed_dict的值都不一样

                       有一点豁然开朗的感觉了，其实这里run里面写的列表一样的玩意儿就是操作的列表，调用run函数，就顺次执行列表里面的各项操作。然后后面的feed_dict就是在执行的时候替换某些操作里面的某些数据，这其实就是因为训练，验证，以及测试是有三种不同的数据，因此需要feed_dict这个参数，用来进行数据的替换。