关于transformer 学习、torch_geometric

1、nn.TransformerEncoder

nn.TransformerEncoder 是 PyTorch 中的一个模块，用于构建 Transformer 模型中的编码器。Transformer 是一种强大的序列到序列模型，广泛应用于自然语言处理的各个领域。

在 nn.TransformerEncoder 中，我们可以定义多个 nn.TransformerEncoderLayer，每个 nn.TransformerEncoderLayer 包含了多头自注意力机制、残差连接和前向神经网络等组件。这些组件组成了 Transformer 编码器的基本结构，并且可以通过简单的复制来构建深度更高、参数量更大的编码器。

在使用 nn.TransformerEncoder 时，我们需要将输入序列作为一个三维张量传入。具体来说，输入的形状应该是 (seq_len, batch_size, input_dim)，其中 seq_len 表示输入序列的长度，batch_size 表示每个 batch 中包含的样本数，input_dim 表示输入特征的维度。

经过 nn.TransformerEncoder 处理后，输出也是一个三维张量，其形状与输入相同，即 (seq_len, batch_size, input_dim)。该输出可作为下游任务的特征表示或直接作为预测结果。

2、torch_geometric是一个专门用于图神经网络的PyTorch库，提供了多种用于图学习的模型、层和函数。以下是一些在torch_geometric.nn模块中可用的常见