mindspore_gl.BatchedGraphField

class mindspore_gl.BatchedGraphField(src_idx, dst_idx, n_nodes, n_edges, ver_subgraph_idx, edge_subgraph_idx, graph_mask)

批次图的数据容器。

边信息以COO格式存储。

参数：

• src_idx (Tensor) - shape为 \((N\_EDGES)\) 的int类型Tensor，表示COO边矩阵的源节点索引。

• dst_idx (Tensor) - shape为 \((N\_EDGES)\) 的int类型Tensor，表示COO边矩阵的目标节点索引。

• n_nodes (int) - 图中节点数量。

• n_edges (int) - 图中边数量。

• ver_subgraph_idx (Tensor) - shape为 \((N\_NODES)\) 的int类型Tensor，指示每个节点属于哪个子图。

• edge_subgraph_idx (Tensor) - shape为 \((N\_NODES,)\) 的int类型Tensor，指示每个边属于哪个子图。

• graph_mask (Tensor) - shape为 \((N\_GRAPHS,)\) 的int类型Tensor，表示子图是否存在。

支持平台：

GPU

样例：

>>> import mindspore as ms
>>> from mindspore_gl import BatchedGraphField
>>> n_nodes = 9
>>> n_edges = 11
>>> src_idx = ms.Tensor([0, 2, 2, 3, 4, 5, 5, 6, 8, 8, 8], ms.int32)
>>> dst_idx = ms.Tensor([1, 0, 1, 5, 3, 4, 6, 4, 8, 8, 8], ms.int32)
>>> ver_subgraph_idx = ms.Tensor([0, 0, 0, 1, 1, 1, 1, 2, 2], ms.int32)
>>> edge_subgraph_idx = ms.Tensor([0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2], ms.int32)
>>> graph_mask = ms.Tensor([1, 1, 0], ms.int32)
>>> batched_graph_field = BatchedGraphField(src_idx, dst_idx, n_nodes, n_edges,
...                                         ver_subgraph_idx, edge_subgraph_idx, graph_mask)

get_batched_graph()

获取批次图。

返回:

List，Tensor的列表，被应用于构造函数。