我有一个关于图神经网络的排列不变性和等变性的问题。在我的设置中，我有一组通过一组边连接的节点。我想预测二进制类wrt。节点，例如，标签是零和一的向量。
在图构建阶段，假设 GNN 是置换等变的，我基本上以未排序的方式将“正”和“负”节点堆叠在一起。因此节点特征矩阵为：[X_p, X_n]^T。因此，只要标签向量以相同的方式排列，它就应该在排列等方差下正常工作。
但是，我发现我的预测准确度在我打乱节点特征矩阵（类似于标签向量）后会大幅下降。这导致我的解释是天真的堆叠操作缓解了学习问题。
GNN 执行的所有操作都是 MLP (X*W)、ReLU、邻域聚合和、Sigmoid 或通过邻接矩阵（torch_geometric 中的 edge_index）利用节点连接性。因此，节点排序不可能影响学习结果，因为所有操作都是置换不变的。然而，相反的情况发生了。
我将不胜感激任何帮助。非常感谢！