2.1 内建函数和消息传递API
在 DGL 中，消息函数接受一个参数 edges，它是一个 EdgeBatch 实例。在消息传递过程中，DGL 内部生成它来表示一批边。它有三个成员 src、dst 和 data，分别用于访问源节点、目标节点和边的特征。
归约函数接受一个参数 nodes，它是一个 NodeBatch 实例。在消息传递过程中，DGL 内部生成它来表示一批节点。它有成员 mailbox 用于访问该批节点收到的消息。一些最常见的归约操作包括 sum、max、min 等。
更新函数接受一个参数 nodes，如上所述。此函数对 归约函数 的聚合结果进行操作，通常在最后一步将其与节点的原始特征结合，并将结果保存为节点特征。
DGL 在命名空间 dgl.function 中将常用的消息函数和归约函数实现为内建函数。通常，DGL 建议尽可能使用内建函数，因为它们经过大量优化，并自动处理维度广播。
如果你的消息传递函数无法使用内建函数实现，你可以实现用户自定义消息/归约函数（也称为 UDF）。
内建消息函数可以是一元的或二元的。DGL 支持一元函数 copy。对于二元函数，DGL 支持 add、sub、mul、div、dot。消息内建函数的命名约定是 u 代表 src 节点，v 代表 dst 节点，e 代表 edges。这些函数的参数是字符串，表示对应节点和边的输入和输出字段名称。支持的内建函数列表可在 DGL 内建函数 中找到。例如，要将源节点的 hu 特征和目标节点的 hv 特征相加，然后将结果保存在边的 he 字段中，可以使用内建函数 dgl.function.u_add_v('hu', 'hv', 'he')。这等同于以下消息 UDF：
def message_func(edges):
return {'he': edges.src['hu'] + edges.dst['hv']}
内建归约函数支持 sum、max、min 和 mean 操作。归约函数通常有两个参数，一个用于 mailbox 中的字段名，一个用于节点特征中的字段名，两者都是字符串。例如，dgl.function.sum('m', 'h') 等同于以下归约 UDF，它对消息 m 进行求和：
import torch
def reduce_func(nodes):
return {'h': torch.sum(nodes.mailbox['m'], dim=1)}
有关 UDF 的进阶用法，请参阅 用户自定义函数。
也可以仅通过 apply_edges() 调用逐边计算，而不触发消息传递。apply_edges() 将消息函数作为参数，默认更新所有边的特征。例如：
import dgl.function as fn
graph.apply_edges(fn.u_add_v('el', 'er', 'e'))
对于消息传递，update_all() 是一个高级 API，它在一个调用中合并了消息生成、消息聚合和节点更新，这为整体优化留下了空间。
应用于 update_all() 的参数是一个消息函数、一个归约函数和一个更新函数。你可以在 update_all 之外调用更新函数，并在调用 update_all() 时不指定它。DGL 推荐这种方法，因为更新函数通常可以写成纯粹的张量操作，使代码更简洁。例如：
def update_all_example(graph):
# store the result in graph.ndata['ft']
graph.update_all(fn.u_mul_e('ft', 'a', 'm'),
fn.sum('m', 'ft'))
# Call update function outside of update_all
final_ft = graph.ndata['ft'] * 2
return final_ft
此调用将通过乘以源节点特征 ft 和边特征 a 来生成消息 m，对消息 m 求和以更新节点特征 ft，最后将 ft 乘以 2 得到结果 final_ft。调用后，DGL 将清除中间消息 m。上述函数的数学公式是：
DGL 的内建函数支持浮点数据类型，即特征必须是 half (float16) /float/double 张量。默认情况下禁用 float16 数据类型支持，因为它要求 GPU 计算能力至少达到 sm_53（Pascal、Volta、Turing 和 Ampere 架构）。
用户可以通过从源代码编译 DGL 来启用 float16 进行混合精度训练（详细信息请参阅 混合精度训练 教程）。