我对图神经网络相当陌生，我正在使用自我注意力训练一个 GNN 模型，我有几个问题。
问题是我的节点数和 node_num 在每批中都不同，因此在第一批中我有：
批次（批次=[1181]，edge_attr=[1975, 3]，edge_index=[2, 1975]，x=[1181, 300]）
在第二批我有： batch=[1134], edge_attr=[1635, 3], edge_index=[2, 1635], x=[1134, 300]
batch1 有 1181 个节点，而 batch2 有 1134 个节点
当我试图计算节点之间的self attention时，我遇到了以下问题
这是自我关注的工作原理
Q、W、K 计算如下： 在此处输入图像描述
wq, wk, wv 的维数为
self.w_1 = 参数(torch.Tensor(self.nodes_num, self.nodes_num))
所以我遇到的问题是这个
在 batch1 中 wq, wk, wv 的维度是 self.w_q = Param(torch.Tensor(1181, 1181)) 在 batch2 中 wq, wk, wv 的维度是 self.w_q = Param(torch.Tensor (1134, 1134)) 维度随着节点的数量而变化，导致 w_q 不断被重新定义
这是否相当于模型只使用了一批样本？
如果是这样，我该如何解决这个问题？