GraphSAGE 代码解析(三) - aggregators.py

原创文章～转载请注明出处哦。其他部分内容参见以下链接～

GraphSAGE 代码解析(一) - unsupervised_train.py

GraphSAGE 代码解析(二) - layers.py

GraphSAGE 代码解析(四) - models.py

1. class MeanAggregator(Layer):

该类主要用于实现

1. __init__() 

__init_() 用于获取并初始化成员变量 dropout, bias(False), act(ReLu), concat(False), input_dim, output_dim, name(Variable scopr)

用glorot()方法初始化节点v的权值矩阵 vars['self_weights'] 和邻居节点均值u的权值矩阵 vars['neigh_weights']

用零向量初始化vars['bias']。(见inits.py: zeros(shape))

若logging为True,则调用 layers.py 中 class Layer()的成员函数_log_vars(), 生成vars中各个变量的直方图。

glorot()

其中，glorot() 在inits.py中定义，用于权值初始化。(from .inits import glorot)

均匀分布初始化方法，又称Xavier均匀初始化，参数从 [-limit, limit] 的均匀分布产生，其中limit为 sqrt(6 / (fan_in + fan_out))。fan_in为权值张量的输入单元数，fan_out是权重张量的输出单元数。该函数返回 [fan_in, fan_out]大小的Variable。

1 def glorot(shape, name=None):
2     """Glorot & Bengio (AISTATS 2010) init."""
3     init_range = np.sqrt(6.0/(shape[0]+shape[1]))
4     initial = tf.random_uniform(shape, minval=-init_range, maxval=init_range, dtype=tf.float32)
5     return tf.Variable(initial, name=name)

View Code