machine-learning - 消息传递类中的“node_dim”参数指的是什么？

Question

在用于创建消息传递网络的 PyTorch 几何教程中，在解释类的作用时，他们在开头有这一段：

MessagePassing(aggr="add", flow="source_to_target", node_dim=-2)：定义要使用的聚合方案("add", "mean" or "max")和消息传递的流向（或者"source_to_target"或"target_to_source"）。此外，该node_dim属性指示沿哪个轴传播。

我不明白这node_dim是指什么，以及为什么它是-2。我查看了该类的文档MessagePassing，它在那里说它是传播的轴——这仍然没有真正阐明我们在这里做什么以及为什么默认值为 -2（大概这就是你传播信息的方式在节点级别）。有人可以向我解释一下吗？

Answer 1

参考here和here后，我认为与它相关的东西是'message'函数的输出。
在大多数情况下，输出的形状是[edge_num, emb_out]，如果我们将其设置node_dim为 -2，这意味着我们将沿着edge_num目标节点的使用索引进行聚合。
这正是从源节点聚合信息的过程。
聚合后的结果是[node_num, emb_out]。