dgl.DGLGraph.adj_external

DGLGraph.adj_external(transpose=False, ctx=device(type='cpu'), scipy_fmt=None, etype=None)[source]

返回外部格式的邻接矩阵，例如 Scipy 或依赖于后端的稀疏张量。

默认情况下，返回的邻接矩阵的行代表边的源节点，列代表目标节点。

当 transpose 为 True 时，行代表目标节点，列代表源节点。

参数：

transpose (bool, 可选) – 一个标志，用于转置返回的邻接矩阵。（默认值：False）
ctx (context, 可选) – 返回的邻接矩阵的上下文（例如，CPU 或 GPU）。（默认值：cpu）
scipy_fmt (str, 可选) – 如果指定，则以给定格式返回 scipy 稀疏矩阵。否则，返回一个依赖于后端的稀疏张量。（默认值：None）
etype (str 或 (str, str, str), 可选) –
边的类型名称。允许的类型名称格式为
- (str, str, str) 分别表示源节点类型、边类型和目标节点类型。
- 或一个 str 边类型名称，如果该名称可以唯一标识图中的一个三元组格式。
如果图只有一种边类型，则可以省略。

返回：

邻接矩阵。

返回类型：

SparseTensor 或 scipy.sparse.spmatrix

示例

以下示例使用 PyTorch 后端。

>>> import dgl
>>> import torch

实例化一个异构图。

>>> g = dgl.heterograph({
...     ('user', 'follows', 'user'): ([0, 1], [0, 1]),
...     ('developer', 'develops', 'game'): ([0, 1], [0, 2])
... })

获取依赖于后端的稀疏张量。这里以 PyTorch 为例。

>>> g.adj_external(etype='develops')
tensor(indices=tensor([[0, 1],
                       [0, 2]]),
       values=tensor([1., 1.]),
       size=(2, 3), nnz=2, layout=torch.sparse_coo)

获取 scipy coo 稀疏矩阵。

>>> g.adj_external(scipy_fmt='coo', etype='develops')
<2x3 sparse matrix of type '<class 'numpy.int64'>'
   with 2 stored elements in COOrdinate format>