mindspore_gl.graph.PadCsrEdge

class mindspore_gl.graph.PadCsrEdge(pad_nodes, reset_with_fill_value=True, length=None, mode=PadMode.AUTO, use_shared_numpy=False)[源代码]

特定的COO边填充算子。填充后COO索引转换到到csr时，indices和indptr的shape变得统一。

警告

PadArray2d将会重新使用内存缓存来加速填充操作。

参数：

  • pad_nodes (int) - 需要填充的图的节点数。

  • reset_with_fill_value (bool, 可选) - PadArray2d将重用内存缓冲区，如果对填充值没有要求，可以将此值设置为False。默认值：True。

  • length (int, 可选) - 用户特定大小的填充长度。默认值：None。

  • mode (PadMode, 可选) - 数组的填充模式，如果PadMode.CANST，则此操作将将数组填充到用户特定的大小。如果PadMode.AUTO，这将根据输入的长度选择填充结果长度。预期长度可以计算为 \(length=2^{ceil\left ( \log_{2}{input\_length} \right ) }\) 默认值：mindspore_gl.graph.PadMode.AUTO。

  • use_shared_numpy (bool, 可选) - 如果我们使用SharedNDArray来加快进程间通信。如果在子进程中执行特征收集和特征填充，则建议使用此方法，并且图特征需要进程间通信。默认值：False。

输入：

  • input_array (numpy.array) - 需要填充的输入numpy数组。

异常：

  • ValueError - 当填充模式为PadMode.CONST时，应提供填充值大小。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindspore_gl.graph import PadCsrEdge, PadMode
>>> node_pad = 10
>>> origin_edge_index = np.array([[0, 1, 2, 4],
...                               [2, 3, 1, 1]])
>>> pad_length = 20
>>> pad_op = PadCsrEdge(node_pad, length=pad_length, mode=PadMode.CONST)
>>> res = pad_op(origin_edge_index)
>>> print(res)
[[0 1 2 4 5 6 7 8 5 6 7 8 5 6 7 8 5 6 7 8]
[2 3 1 1 5 6 7 8 6 7 8 5 7 8 5 6 8 5 6 7]]