torch_geometric.nn.graclus(edge_index, weight: Optional[torch.Tensor] = None, num_nodes: Optional[int] = None)

一種圖分類的方法，分類之后每個(gè)集簇類內(nèi)點(diǎn)與點(diǎn)之間的邊權(quán)重和最大

（分類的思路是采用：論文筆記：Weighted Graph Cuts without Eigenvectors:A Multilevel Approach_UQI-LIUWJ的博客-CSDN博客

的思路

我們以ENZYMES數(shù)據(jù)集的第一個(gè)data為例：

torch_geometric筆記：數(shù)據(jù)集 ENZYMES &Minibatches_UQI-LIUWJ的博客-CSDN博客

Data可視化結(jié)果如下：

torch_geometric 筆記：TORCH_GEOMETRIC.UTILS（更新中）_UQI-LIUWJ的博客-CSDN博客

?

from torch_geometric.datasets import TUDatasetdataset = TUDataset(root='', name='ENZYMES')dataset[0] #Data(edge_index=[2, 168], x=[37, 3], y=[1])torch_geometric.nn.graclus(dataset[0].edge_index) ''' tensor([ 0, 0, 2, 3, 4, 5, 4, 5, 8, 8, 10, 10, 12, 13, 13, 15, 15, 17,18, 17, 18, 21, 22, 23, 24, 12, 26, 2, 3, 24, 21, 31, 32, 33, 31, 22,33]) '''

每一次調(diào)用graclus可能結(jié)果都是不一樣的。返回的內(nèi)容一個(gè)LongTensor，第i維表示第i個(gè)點(diǎn)被歸類到哪個(gè)cluster中去了

但是，沒有說明使用的是哪種圖聚類的目標(biāo)函數(shù)【因?yàn)樵谡撐闹杏腥缦碌膸追N圖劃分的目標(biāo)函數(shù)，（帶權(quán)重的加上weight就可以了）】（希望知道的同學(xué)可以在評(píng)論區(qū)賜教）

?

?

總結(jié)

以上是生活随笔為你收集整理的torch_geometric笔记：nn. graclus （图点分类）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。