Pytorch几何 - agg ='add'的函数是否等于matmul（adjacency_matrix，feature_matrix）？答案

【问题标题】：Pytorch geometric - Is the function of agg='add' equal to matmul(adjacency_matrix, feature_matrix)?Pytorch几何 - agg ='add'的函数是否等于matmul（adjacency_matrix，feature_matrix）？
【发布时间】：2022-07-29 14:23:29
【问题描述】：

我对以下代码有疑问。特别是在 (1) 中指定：

__init__(aggr='add')

在 (2) 中，我没有 (1) 中的 aggr='add'，而是邻接矩阵 (edge_index) 和节点之间的乘法(x_j):

matmul(edge_index, x_j)

说它们相同并产生相同的结果是否正确？

代码（1）

import torch
from torch.nn import Linear, Parameter
from torch_geometric.nn import MessagePassing
from torch_geometric.utils import add_self_loops, degree

class GCNConv(MessagePassing):
    def __init__(self, in_channels, out_channels):
        super().__init__(aggr='add') 
        self.reset_parameters()

    def reset_parameters(self):
        self.lin.reset_parameters()
        

    def forward(self, x, edge_index):
        # x has shape [N, in_channels]
        # edge_index has shape [2, E]

        # Step 1: Add self-loops to the adjacency matrix.
        edge_index, _ = add_self_loops(edge_index, num_nodes=x.size(0))

        # Step 4-5: Start propagating messages.
        out = self.propagate(edge_index, x=x)

        return out

    def message(self, x_j):
        return x_j

代码（2）

import torch
from torch.nn import Linear, Parameter
from torch_geometric.nn import MessagePassing
from torch_geometric.utils import add_self_loops, degree

class GCNConv(MessagePassing):
    def __init__(self, in_channels, out_channels):
        super().__init__() 
        self.reset_parameters()

    def reset_parameters(self):
        self.lin.reset_parameters()


    def forward(self, x, edge_index):
        # x has shape [N, in_channels]
        # edge_index has shape [2, E]

        edge_index, _ = add_self_loops(edge_index, num_nodes=x.size(0))

        out = self.propagate(edge_index, x=x)

        return out

    def message_and_aggregate(self, edge_index, x_j):
        return matmul(edge_index, x_j)

【问题讨论】：

标签： python pytorch pytorch-geometric graph-neural-network

【解决方案1】：

如你所描述的（其实你的代码有一些错误，代码可能无法成功运行），代码1只是添加了邻居节点和自身的特征（有自循环）来得到更新后的特征，代码2是将特征（包括自己的特征）乘以邻接矩阵，也就是将邻居节点的特征相加（矩阵对应的位置为1）。因此，两者本质上没有区别。

【讨论】：