CS224W作业class GraphSage(MessagePassing)

2023年CS22Wassignment中的所有colab答案以及注释已经上传到github：https://github.com/yuyu990116/CS224W-assignment
CS224W课程地址：http://web.stanford.edu/class/cs224w/

class GraphSage(MessagePassing):
    
    def __init__(self, in_channels, out_channels, normalize = True,
                 bias = False, **kwargs):  
        super(GraphSage, self).__init__(**kwargs)

        self.in_channels = in_channels
        self.out_channels = out_channels
        self.normalize = normalize
        self.lin_l=Linear(in_channels,out_channels) 这一层的hv
        self.lin_r=Linear(in_channels,out_channels) 聚合上一层的hu
        self.reset_parameters()

    def reset_parameters(self):
        self.lin_l.reset_parameters()
        self.lin_r.reset_parameters()

    def forward(self, x, edge_index, size = None):
        out=self.propagate(edge_index,x=(x,x),size=size)
        #out=self.propagate(edge_index,x=x,size=size)
        x=self.lin_l(x)
        out=self.lin_r(out)
        out=out+x
        if self.normalize:
            out=F.normalize(out)
        return out

    def message(self, x_j):
    	out=x_j
    	return out
    	
    def aggregate(self, inputs, index, dim_size = None):
    	node_dim = self.node_dim
	out=torch_scatter.scatter(inputs,index,node_dim,dim_size=dim_size,reduce='mean')
		return out

scatter函数的参数含义如下：

• inputs：输入的张量，可以是任意形状的张量。
• index：用于指定在哪个维度上进行聚合的索引张量。索引张量的形状应与inputs的形状匹配，除了指定的维度上的大小应与聚合操作后的维度大小相同。
• node_dim：指定在哪个维度上进行聚合操作。
• dim_size：指定聚合操作后的维度大小。
• reduce：指定聚合操作的方式，可选择的值包括’mean’、‘sum’、‘min’、'max’等。

scatter函数的作用是根据指定的索引，在指定的维度上对输入进行聚合操作。聚合操作可以是求均值、求和、取最小值、取最大值等，具体取决于reduce参数的值。

聚合操作的结果将保存在out中，out的形状与inputs相同，除了指定的维度上的大小将变为dim_size。