dgl.DGLGraph.apply_edges

DGLGraph.apply_edges(func, edges='__ALL__', etype=None)[source]

使用提供的函数更新指定边的特征。

参数:

func (dgl.function.BuiltinFunction 或 callable) – 用于生成新边特征的函数。它必须是 DGL 内置函数或用户定义函数。
edges (edges) –
要更新特征的边。允许的输入格式有
- int: 单个边 ID。
- Int Tensor: 每个元素都是一个边 ID。张量必须与图具有相同的设备类型和 ID 数据类型。
- iterable[int]: 每个元素都是一个边 ID。
- (Tensor, Tensor): 节点-张量格式，其中两个张量的第 i 个元素指定一条边。
- (iterable[int], iterable[int]): 类似于节点-张量格式，但将边端点存储在 Python 可迭代对象中。
默认值指定图中的所有边。
etype (str 或 (str, str, str), 可选) –
边的类型名称。允许的类型名称格式有
- (str, str, str) 分别表示源节点类型、边类型和目标节点类型。
- 或者一个 str 边类型名称，如果该名称在图中可以唯一标识一个三元组格式。
如果图只有一种边类型，则可以省略。

备注

DGL 建议对 func 参数使用 DGL 的内置函数，因为在这种情况下，DGL 会调用高效的内核，从而避免将节点特征复制到边特征。

示例

以下示例使用 PyTorch 后端。

>>> import dgl
>>> import torch

同构图

>>> g = dgl.graph(([0, 1, 2, 3], [1, 2, 3, 4]))
>>> g.ndata['h'] = torch.ones(5, 2)
>>> g.apply_edges(lambda edges: {'x' : edges.src['h'] + edges.dst['h']})
>>> g.edata['x']
tensor([[2., 2.],
        [2., 2.],
        [2., 2.],
        [2., 2.]])

使用内置函数

>>> import dgl.function as fn
>>> g.apply_edges(fn.u_add_v('h', 'h', 'x'))
>>> g.edata['x']
tensor([[2., 2.],
        [2., 2.],
        [2., 2.],
        [2., 2.]])

异构图

>>> g = dgl.heterograph({('user', 'plays', 'game'): ([0, 1, 1, 2], [0, 0, 2, 1])})
>>> g.edges[('user', 'plays', 'game')].data['h'] = torch.ones(4, 5)
>>> g.apply_edges(lambda edges: {'h': edges.data['h'] * 2})
>>> g.edges[('user', 'plays', 'game')].data['h']
tensor([[2., 2., 2., 2., 2.],
        [2., 2., 2., 2., 2.],
        [2., 2., 2., 2., 2.],
        [2., 2., 2., 2., 2.]])

另请参阅

apply_nodes