虚拟主机有哪些上海百度seo公司

edge_index 是 PyTorch Geometric 中常用的表示图边的张量。它通常是一个形状为 [2, num_edges] 的二维张量，其中 num_edges 表示图中边的数量。每一列表示一条边，包含两个节点的索引。

• 实际上这是COO存储格式，官方文档里也有写，还有一种是邻接矩阵的存储格式，两种方式是可以互相转换的 https://pytorch-geometric.readthedocs.io/en/latest/get_started/introduction.html

edge_index[:, :10] 表示取出 edge_index 张量的前 10 列，即前 10 条边的节点索引。

在 Python 中，使用切片语法 [:,] 是一种方便的方式来选择多维数组或张量的特定部分（另外一部分Python语法知识）

程序输出结果

Data(x=[2708, 1433], edge_index=[2, 10556], y=[2708], train_mask=[2708], val_mask=[2708], test_mask=[2708])
First 10 edges (edge_index[:, :10]):
tensor([[   0,    0,    0,    1,    1,    1,    2,    2,    2,    2],[ 633, 1862, 2582,    2,  652,  654,    1,  332, 1454, 1666]])
edge_index 0: tensor([  0, 633])
edge_index 1: tensor([   0, 1862])
edge_index 2: tensor([   0, 2582])
edge_index 3: tensor([1, 2])
edge_index 4: tensor([  1, 652])
edge_index 5: tensor([  1, 654])
edge_index 6: tensor([2, 1])
edge_index 7: tensor([  2, 332])
edge_index 8: tensor([   2, 1454])
edge_index 9: tensor([   2, 1666])

示例代码

假设你已经使用 PyTorch Geometric 加载了 Cora 数据集，并且 edge_index 已经被定义，以下代码展示如何查看前 10 条边的信息：

import torch
from torch_geometric.datasets import Planetoid
from torch_geometric.transforms import NormalizeFeatures# 加载 Cora 数据集
dataset = Planetoid(root='/tmp/Cora', name='Cora', transform=NormalizeFeatures())# 获取数据集中的第一个图
data = dataset[0]# 打印数据集的基本信息
print(data)# 获取边索引
edge_index = data.edge_index# 打印前 10 条边的节点索引
print("First 10 edges (edge_index[:, :10]):")
print(edge_index[:, :10])for i in range(10):print(f"edge_index {i}: {edge_index[:,i]}")

示例输出

假设 edge_index 的前 10 列如下所示：

tensor([[  0,   1,   2,   3,   4,   5,   6,   7,   8,   9],[  1,   2,   0,   4,   5,   3,   7,   6,   5,   8]])

这表示：

1. 第一条边是从节点 0 到节点 1。
2. 第二条边是从节点 1 到节点 2。
3. 第三条边是从节点 2 到节点 0。
4. 第四条边是从节点 3 到节点 4。
5. 第五条边是从节点 4 到节点 5。
6. 第六条边是从节点 5 到节点 3。
7. 第七条边是从节点 6 到节点 7。
8. 第八条边是从节点 7 到节点 6。
9. 第九条边是从节点 8 到节点 5。
10. 第十条边是从节点 9 到节点 8。

解释

• edge_index 的形状为 [2, num_edges]，其中 num_edges 表示边的数量。
• edge_index[:, :10] 表示取出前 10 条边的节点索引。
• 输出的张量第一行表示每条边的起始节点，第二行表示每条边的结束节点。

通过这种方式，你可以方便地查看和理解数据集中边的表示方式。