如何计算pyTorch/DGL张量

Question

从DGL图中，我想看到邻接矩阵

adjM = g.adjacency_matrix()
adjM

我得到了以下内容，这很好：

tensor(indices=tensor([[0, 0, 0, 1],
                       [1, 2, 3, 3]]),
       values=tensor([1., 1., 1., 1.]),
       size=(4, 4), nnz=4, layout=torch.sparse_coo)

现在，我希望有邻接矩阵和节点值各自独立。我想是这样的：

adjMatrix = adjM.indices   # or
adjMatrix = adjM[0]
nodeValues = adjM.values   # or
nodeValues = adjM[1]

但这种形式不是由pyTorch/DGL估算的。我初学者的问题：

• 如何正确而成功地完成这一任务？和
• 有关于nuby的教程吗？(为了这个细节，我搜索了很多.！)

Answer 1

点击这里！您将发现dgl.adj()的用法。正如文档所述，返回是一个邻接矩阵，返回类型是SparseTensor。

我注意到您发布的输出是一个SparseTensor。

您可以按以下方式进行尝试，然后就可以得到整个adj_matrix

我创建一个dgl图g，得到adj的邻接矩阵。

g = dgl.graph(([0, 1, 2], [1, 2, 3]))
adj = g.adj()
adj

产出如下：

tensor(indices=tensor([[0, 1, 2],
                       [1, 2, 3]]),
       values=tensor([1., 1., 1.]),
       size=(4, 4), nnz=3, layout=torch.sparse_coo)

我们可以发现adj是稀疏的，而稀疏类型是coo，我们可以使用下面的代码来验证adj是否是SparseTensor

adj.is_sparse

产出：

True

所以我们可以使用to_dense()得到原始的adj矩阵

adj.to_dense()

结果是：

tensor([[0., 1., 0., 0.],
        [0., 0., 1., 0.],
        [0., 0., 0., 1.],
        [0., 0., 0., 0.]])

当您对DGL有问题时，您可以查看Deep教程和文档。