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

一種圖分類的方法，分類之后每個集簇類內點與點之間的邊權重和最大

（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數據集的第一個data為例：

torch_geometric筆記：數據集 ENZYMES &Minibatches_UQI-LIUWJ的博客-CSDN博客

Data可視化結果如下：

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]) '''

每一次調用graclus可能結果都是不一樣的。返回的內容一個LongTensor，第i維表示第i個點被歸類到哪個cluster中去了

但是，沒有說明使用的是哪種圖聚類的目標函數【因為在論文中有如下的幾種圖劃分的目標函數，（帶權重的加上weight就可以了）】（希望知道的同學可以在評論區賜教）

?

?

總結

以上是生活随笔為你收集整理的torch_geometric笔记：nn. graclus （图点分类）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。