graph_khop_sampler

paddle.incubate. graph_khop_sampler ( row, colptr, input_nodes, sample_sizes, sorted_eids=None, return_eids=False, name=None ) [源代码]

主要应用于图学习领域，将节点邻居采样和节点重编号两步骤统一在一起，同时提供多层邻居采样的功能。关于邻居采样和节点重编号的相关 API 可以分别参考 graph_sample_neighbors 和 graph_reindex 。

参数

  • row (Tensor) - 输入原始图的 CSC 格式的行信息，数据类型为：int32、int64，形状为[num_edges, 1] 或 [num_edges]。

  • colptr (Tensor) - 输入原始图的 CSC 格式的压缩列信息，数据类型应当与 row 一致，形状为[num_nodes + 1, 1]或 [num_nodes + 1]。

  • input_nodes (Tensor) - 需进行邻居采样的中心节点信息，数据类型应当与 row 一致。

  • sample_sizes (list|tuple) - 表示每一层需要采样的邻居个数，数据类型为 int。

  • sorted_eids (Tensor，可选) - 输入原始图在 CSC 格式下的边编号信息。如果 return_eids 为 True，则不能为空。数据类型应当与 row 一致。默认值为 None，表示不需要返回边编号信息。

  • return_eids (bool) - 是否返回采样后对应的原始边编号信息，默认为 False。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

  • edge_src (Tensor) - 返回采样后重索引的边对应的源节点信息。

  • edge_dst (Tensor) - 返回采样后重索引的边对应的目标节点信息。

  • sample_index (Tensor) - 返回去重后的输入中心节点信息和邻居信息，且为原始编号。

  • reindex_nodes (Tensor) - 返回输入中心节点在 sample_index 中的下标索引位置。

  • edge_eids (Tensor) - 如果 return_eids 为 True，则会返回采样边对应的编号信息，否则不返回。

代码示例

>>> import paddle

>>> row = [3, 7, 0, 9, 1, 4, 2, 9, 3, 9, 1, 9, 7]
>>> colptr = [0, 2, 4, 5, 6, 7, 9, 11, 11, 13, 13]
>>> nodes = [0, 8, 1, 2]
>>> sample_sizes = [2, 2]
>>> row = paddle.to_tensor(row, dtype="int64")
>>> colptr = paddle.to_tensor(colptr, dtype="int64")
>>> nodes = paddle.to_tensor(nodes, dtype="int64")

>>> edge_src, edge_dst, sample_index, reindex_nodes = paddle.incubate.graph_khop_sampler(row, colptr, nodes, sample_sizes, False)