GNN学习笔记02 消息传递图神经网络

GNN学习笔记02 消息传递图神经网络

关于MessagePassing基类的具体分析参见开源学习地址：datawhale

1.MessagePassing基类的运行流程

谈到MessagePassing基类的运行流程，必须先简单介绍一下消息传递范式。简单来说，消息传递范式就是“消息”传递的过程，只是在GNN中，它传递的是邻接节点聚合信息，首先从离中心节点最远的节点开始传递，逐层更新节点信息，最后逼近中心节点，以中心节点的邻接节点聚合信息和中心节点的信息更新中心节点A的信息。最终所有节点的信息都更新了一遍。参见下图

“邻接节点信息传递到中心节点的过程”会进行多次，总的来说就是“变换-聚合-再变换”。而PyG的MessagePassing基类封装了“消息传递”的运行流程。通过继承MessagePassing基类，可以方便地构造消息传递图神经网络。MessagePassing基类的具体运行流程如下：
1.MessagePassing(aggr=“add”, flow=“source_to_target”, node_dim=-2)（对象初始化方法）
1)aggr：定义要使用的聚合方案（“add”、"mean "或 “max”）；
2)flow：定义消息传递的流向（"source_to_target "或 “target_to_source”）；
3)node_dim：定义沿着哪个维度传播，默认值为-2。
2.MessagePassing.message(…)
首先确定要给节点$i$传递消息的边的集合，接着为各条边创建要传递给节点$i$的消息