PyG 使用过程中出现的一些小bug。GAE 的negative_sampling中

最近跑ogb-examples发现了一点小问题记录一下

1. tensor.div(‘rounding_floor’)

在这里插入图片描述
向下整除出现问题，这个关键字不匹配

检索位置是在 torch_geometric/utils/negative_sampling中
在这里插入图片描述
div是除法，且在本地jupyter没有报错，服务器这边出现这个问题

解决办法：修改这个包了，先进行除法，再进行向下取整

在这里插入图片描述

2. long tensor类型错误

在这里插入图片描述
这里是跑gae的时候，代码还是采用了 negative_sampling来生成链接预测的负边。因此出现问题，和问题1一样定义到这个包的源代码，发现这里返回的类型是tensor，因此强制转换

解决

在这里插入图片描述

3. 顺手记录一下 gae的gpu-usage

3.1 Cora

在这里插入图片描述

3.2 CiteSeer

在这里插入图片描述

3.3 PubMed

在这里插入图片描述

3.4 ogbn-arxiv

在这里插入图片描述

4.GAE pyg

PyG的gae是实现了两个版本，之前一直只认为就是一种， encoder得到Z，Z和Z转置求得内积
这里还有一个版本，不是重构出整个矩阵，给定一部分正边对。通过edge_index重构出部分边，还有个就是重构整个A

在这里插入图片描述
重构损失通过decoder（InnerDecoder）来计算

GPU的使用都不是很多，如果不采用这种直接重构邻接矩阵（或者像最初两个矩阵直接相减naive，可能就是导致cudaout memory的原因，pyG这里rencon调用的decoder 计算pos和neg ，因此没有实现 forward_all 的那种损失计算

5. pyG 稀疏张量的访问方法

a._indices() 和a._values()
COO稀疏张量又可以分为两种：uncoalesced和coalesced。其中uncoalesced允许同一个索引下存在多个不同的值(相同的边有多个值），而coalesced则不行
判断稀疏张量是哪种类型
在这里插入图片描述

coalesced 稀疏矩阵
在这里插入图片描述

在这里插入图片描述
下面的两种方法是a.indices() a.values() 是coalesced 稀疏张量的方法，因此若想用则先把 uncoalesced的稀疏张量转为.coalesce() 再用，或者采用 a._indices()

都是10这个位置的值，坐标相同是 uncoalesce的转化为coalesce，两个相同index的值加起来了
在这里插入图片描述