RGCN使用，参数含义及使用

class RGCNConv(in_channels: Union[int, Tuple[int, int]], 
               out_channels: int, num_relations: int, 
               num_bases: Optional[int] = None, 
               num_blocks: Optional[int] = None, 
               aggr: str = 'mean', root_weight: bool = True, 
               is_sorted: bool = False, bias: bool = True, **kwargs)

公式：

in_channels：每个输入样本的大小。元组对应于源维度和目标维度的大小。在没有给定输入特征的情况下，这个参数应该对应于图中的节点数。

out_channels：每个输出样本的大小。

num_relations：关系的数量。

num_bases：这一层将使用基分解正则化方案，其中num_bases表示要使用的bases的数量。

                       (默认值:None)

num_blocks：如果设置，该层将使用block-diagonal-decomposition正则化方案，

                        其中num_blocks表示要使用的块数量。(默认值:None)

aggr：要使用的聚合模式 ("add", "mean", "max"). (default: "mean")

root_weight ：如果设置为False，则该层不会将转换后的根节点特征添加到输出中。(默认值True)

is_sorted ：如果设置为True，则假设edge_index按照edge_type排序。这避免了数据的内部重新排序，可以提高运行时间和内存效率。(默认值:False)

bias：如果设置为False，层将不会学习加性偏差。(默认值True)

**kwargs：conv.messageppassing的附加参数。