【DGL系列】DGLGraph.out_edges简介

转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn]

如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~


目录

函数说明

用法示例

[示例 1: 获取所有边的源节点和目标节点](#示例 1: 获取所有边的源节点和目标节点)

[示例 2: 获取特定节点的出边](#示例 2: 获取特定节点的出边)

[示例 3: 获取所有边的边ID](#示例 3: 获取所有边的边ID)

[示例 4: 获取所有信息(源节点、目标节点和边ID)](#示例 4: 获取所有信息(源节点、目标节点和边ID))

[示例 5: 对于有多种边缘类型的图形,需要在查询中指定边的类型](#示例 5: 对于有多种边缘类型的图形,需要在查询中指定边的类型)

[示例 6:对于无向图,则边是双向的](#示例 6:对于无向图,则边是双向的)


dgl.DGLGraph.out_edges --- DGL 2.3 documentation

函数说明

dgl.DGLGraph.out_edges 是 DGL(Deep Graph Library)中的一个方法,用于获取图中所有边的源节点和目标节点。这个方法可以用于返回整个图的边,也可以通过传入指定的节点来获取从这些节点出发的边。

python 复制代码
DGLGraph.out_edges(u=ALL, etype=None, form='uv')

参数

  • u(节点ID):

    • 可以是 单个节点ID(整数)。
    • 可以是 节点ID的张量(Int Tensor),每个元素是一个节点ID。张量的设备类型和ID数据类型必须与图的相同。
    • 可以是 可迭代的节点ID列表(iterable[int]),每个元素是一个节点ID。
  • form(字符串,可选):

    • 'eid': 返回1D张量,表示所有边的ID。
    • 'uv'(默认): 返回一个2元组(1D张量),分别表示所有边的源节点和目标节点。
    • 'all': 返回一个3元组(1D张量),分别表示所有边的源节点、目标节点和边ID。
  • etype(字符串或(字符串, 字符串, 字符串),可选):

    • 边的类型名称。格式可以是 (源节点类型, 边类型, 目标节点类型)。
    • 或者是一个唯一标识三元组格式的字符串类型名称。如果图中只有一种类型的边,可以省略。

返回值

  • 返回所有指定类型节点的出边。返回形式取决于 form 参数的值。
    • 'eid': 返回一个1D张量,表示所有边的ID。
    • 'uv': 返回一个2元组(1D张量),分别表示所有边的源节点和目标节点。
    • 'all': 返回一个3元组(1D张量),分别表示所有边的源节点、目标节点和边ID。

用法示例

我们创建一个如图所示的简单的graph:

**示例 1:**获取所有边的源节点和目标节点

python 复制代码
import dgl
import torch

# 创建一个简单的图,包含4个节点和4条边
u = torch.tensor([0, 0, 1, 2])
v = torch.tensor([1, 2, 3, 3])
graph = dgl.graph((u, v))

# 获取所有边的源节点和目标节点
src, dst = graph.out_edges(graph.nodes())

print("源节点:", src)
print("目标节点:", dst)

# 源节点: tensor([0, 0, 1, 2])
# 目标节点: tensor([1, 2, 3, 3])

**示例 2:**获取特定节点的出边

python 复制代码
# 获取节点0和节点1的出边
nodes = torch.tensor([0, 1])
src, dst = graph.out_edges(nodes)

print("源节点:", src)
print("目标节点:", dst)

# 源节点: tensor([0, 0, 1])
# 目标节点: tensor([1, 2, 3])

示例 3: 获取所有边的边ID

python 复制代码
# 获取所有边的边ID
edge_ids = graph.out_edges(graph.nodes(), form='eid')

print("边ID:", edge_ids)

# 边ID: tensor([0, 1, 2, 3])

**示例 4:**获取所有信息(源节点、目标节点和边ID)

python 复制代码
# 获取所有边的源节点、目标节点和边ID
src, dst, eid = graph.out_edges(graph.nodes(), form='all')

print("源节点:", src)
print("目标节点:", dst)
print("边ID:", eid)

# 源节点: tensor([0, 0, 1, 2])
# 目标节点: tensor([1, 2, 3, 3])
# 边ID: tensor([0, 1, 2, 3])

**示例 5:**对于有多种边缘类型的图形,需要在查询中指定边的类型

python 复制代码
hg = dgl.heterograph({
    ('user', 'follows', 'user'): (torch.tensor([0, 1]), torch.tensor([1, 2])),
    ('user', 'plays', 'game'): (torch.tensor([3, 4]), torch.tensor([5, 6]))
})
hg.out_edges(torch.tensor([1, 2]), etype='follows')

# (tensor([1]), tensor([2]))

**示例 6:**对于无向图,则边是双向的

注意:在dgl的图中,所有边都是有向的,如果要创建无向图,需要创建双向边。

python 复制代码
import dgl
import torch

# 创建一个无向图,包含4个节点和4条边
u = torch.tensor([0, 0, 1, 2])
v = torch.tensor([1, 2, 3, 3])

# 创建双向边以模拟无向图
u_bi = torch.cat([u, v])
v_bi = torch.cat([v, u])

graph = dgl.graph((u_bi, v_bi))
# 简化图
graph = dgl.to_simple(graph)

# 获取节点的出边
src, dst = graph.out_edges([1, 3])

print("源节点:", src)
print("目标节点:", dst)

# 源节点: tensor([1, 1, 3, 3])
# 目标节点: tensor([3, 0, 1, 2])
相关推荐
yyfhq19 分钟前
sdnet
python
测试199827 分钟前
2024软件测试面试热点问题
自动化测试·软件测试·python·测试工具·面试·职场和发展·压力测试
love_and_hope27 分钟前
Pytorch学习--神经网络--搭建小实战(手撕CIFAR 10 model structure)和 Sequential 的使用
人工智能·pytorch·python·深度学习·学习
海阔天空_20131 小时前
Python pyautogui库:自动化操作的强大工具
运维·开发语言·python·青少年编程·自动化
零意@1 小时前
ubuntu切换不同版本的python
windows·python·ubuntu
思忖小下1 小时前
Python基础学习_01
python
q567315232 小时前
在 Bash 中获取 Python 模块变量列
开发语言·python·bash
是萝卜干呀2 小时前
Backend - Python 爬取网页数据并保存在Excel文件中
python·excel·table·xlwt·爬取网页数据
代码欢乐豆2 小时前
数据采集之selenium模拟登录
python·selenium·测试工具
狂奔solar2 小时前
yelp数据集上识别潜在的热门商家
开发语言·python