我有一个问题，我有一系列观察结果，每个观察结果都是相同结构的图，但具有不同的节点特征。我想学习每个大小为 32x1 的图形的平面嵌入。
我的想法是使用自动编码器来做到这一点。这将获取输入图，应用一些图卷积，使用密集层将图映射到 32x1 潜在空间，然后在应用更多卷积之前重建图（使用相同的通用结构）。
据我所知，这与典型的图自动编码器框架形成对比，其中潜在表示是与输入具有相同结构但每个节点特征的潜在表示的图。
出于这个原因，我不确定如何使用 PyTorch Geometric 来实现这样的架构。也就是说，我不确定我是如何从平坦的潜在空间回到图表的。
这是可能的，如果是这样，我大概会怎么做？