一个aov网用邻接矩阵表示_关于pytorch GCN 源码中的邻接矩阵的解释

最近在学习GCN的模型，看了下pytorch源码，模型结构很清晰，非常适合学习，但是数据处理过程中关于邻接矩阵的求法，看了很久才明白，这里记录一下思路作为学习笔记，给有同感的小伙伴一些参考。

作者关于模型实现中的邻接矩阵也做了一些解释，按照作者的解释，实现中使用

normalize的方式，而不是文章中提到的

对称normalize的方式

详情请看链接：

http://tkipf.github.io/graph-convolutional-networks/

我们重点看一下源码中怎么实现的

一开始看到了下面这段代码中build symmetric adjacency matrix下面那句就懵了

edges = np.array(list(map(idx_map.get, edges_unordered.flatten())),
                 dtype=np.int32).reshape(edges_unordered.shape)
adj = sp.coo_matrix((np.ones(edges.shape[0]), (edges[:, 0], edges[:, 1])),
                    shape=(labels.shape[0], labels.shape[0]),
                    dtype=np.float32)

# build symmetric adjacency matrix
adj = adj &