用CNN作为滤波器的图卷积算子
matrix-conv的Python项目详细描述
矩阵变换
MatrixConv是图的卷积滤波器，其中节点特征是n维矩阵，例如2D或3D图像，例如scene graph。过滤器应用（非图）卷积，即torch.nn.Conv{1/2/3}d，来转换节点特征。节点嵌入更新如下：
其中φr和φm是cnn（^{
安装
此模块可与pip一起安装：
$ pip install matrix_conv
使用
MatrixConv基于PyTorch Geometric构建，并从^{MatrixConv，与^{
参数：
- in_channels（int）：输入节点矩阵中的通道数（例如，如果每个节点的特征是一个3x5矩阵，有2个输入通道，则
in_channels=2） - out_channels（int）：输出节点嵌入中的通道数
- matrix_dims（list或tuple）：与节点相关联的矩阵维数（例如，如果每个节点的特征是3x5矩阵，则
matrix_dims=[3, 5]） - num_edge_attr（int）：边缘属性/特征的数量
- kernel_dims（list或tuple）：CNN中卷积内核的维数
- aggr（string，可选）：要使用的消息聚合方案（“add”，“mean”，“max”）
- root_cnn（bool，可选）：如果设置为
False，层将不会将cnn转换的根节点特性添加到输出中 - bias（bool，可选）：如果设置为
False，则层将不会学习加性偏差 - **kwargs（可选）：用于
torch.nn.Conv{1/2/3}d的其他参数
示例用法：
^{pr2}$待办事项：显示在图分类器中使用此方法的示例（包括堆栈）
- 项目
标签：
欢迎加入QQ群-->： 979659372
