文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore_gl.graph.norm

mindspore_gl.graph.norm(edge_index, num_nodes, edge_weight=None, normalization='sym', lambda_max=None, batch=None)

图laplacian归一化。

参数：

• edge_index (Tensor) - 边索引。Shape为 $(2,N\mathrm{\_}e)$ 其中 $N\mathrm{\_}e$ 是边的数量。

• num_nodes (int) - 节点数。

• edge_weight (Tensor) - 边权重。Shape为 $(N\mathrm{\_}e)$ 其中 $N\mathrm{\_}e$ 是边的数量。默认值：None。

• normalization (str) - 归一化方法。默认值： ‘sym’。

  $(L)$ 为归一化的矩阵， $(D)$ 为度矩阵， $(A)$ 为邻接矩阵， $(I)$ 为单元矩阵。

  1. None：无 $\mathbf{L}=\mathbf{D}-\mathbf{A}$

  2. ‘sym’：对称归一化 $\mathbf{L}=\mathbf{I}-{\mathbf{D}}^{-1/2}\mathbf{A}{\mathbf{D}}^{-1/2}$

  3. ‘rw’：随机游走归一化 $\mathbf{L}=\mathbf{I}-{\mathbf{D}}^{-1}\mathbf{A}$

• lambda_max (int, float) - 图的Lambda值。默认值：None。

• batch (Tensor) - 批处理向量。默认值：None。

返回：

• edge_index (Tensor) - 标准化边索引。

• edge_weight (Tensor) - 归一化边权重。

异常：

• ValueError - 如果 normalization 不是None、’sym’或’rw’。

支持平台：

Ascend GPU

样例：

>>> import mindspore as ms
>>> from mindspore_gl.graph import norm
>>> edge_index = [[1, 1, 2, 2], [0, 2, 0, 1]]
>>> edge_index = ms.Tensor(edge_index, ms.int32)
>>> num_nodes = 3
>>> edge_index, edge_weight = norm(edge_index, num_nodes)
>>> print(edge_index)
[[1 1 2 2 0 1 2]
[0 2 0 1 0 1 2]]
>>> print(edge_weight)
[-0.        -0.4999999 -0.        -0.4999999  1.         1.
1.       ]