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.sampling_csr_data

mindspore_gl.graph.sampling_csr_data(src_idx, dst_idx, n_nodes, n_edges, seeds_idx=None, node_feat=None, rerank=False)

将COO类型的采样图转为CSR类型。

参数：

• src_idx (Union[Tensor, numpy.ndarray]) - shape为 $(N\mathrm{\_}EDGES)$ 的int类型Tensor，表示COO边矩阵的源节点索引。

• dst_idx (Union[Tensor, numpy.ndarray]) - shape为 $(N\mathrm{\_}EDGES)$ 的int类型Tensor，表示COO边矩阵的目标节点索引。

• n_nodes (int) - 图中节点数量。

• n_edges (int) - 图中边数量。

• seeds_idx (numpy.ndarray) - 初始邻居采样节点。

• node_feat (Union[Tensor, numpy.ndarray], 可选) - 节点特征。

• rerank (bool, 可选) - 是否对节点特征、标签、掩码进行重排序。默认值：False。

返回：

• csr_g (tuple) - CSR图的信息，它包含CSR图的indices，CSR图的indptr，CSR图的节点数、CSR图的边数、CSR图的预存的反向indices、CSR图的预存储反向indptr。

• seeds_idx (numpy.ndarray) - 重排序的初始采样节点。

• node_feat (numpy.ndarray) - 重排序的节点特征。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindspore_gl.graph import sampling_csr_data
>>> node_feat = np.array([[1, 2, 3, 4], [2, 4, 1, 3], [1, 3, 2, 4],
...                       [9, 7, 5, 8], [8, 7, 6, 5], [8, 6, 4, 6], [1, 2, 1, 1]], np.float32)
>>> n_nodes = 7
>>> n_edges = 8
>>> edge_feat_size = 7
>>> src_idx = np.array([0, 2, 2, 3, 4, 5, 5, 6], np.int32)
>>> dst_idx = np.array([1, 0, 1, 5, 3, 4, 6, 4], np.int32)
>>> seeds_idx = np.array([0, 3, 5])
>>> g, seeds_idx, node_feat = sampling_csr_data(src_idx, dst_idx, n_nodes, n_edges,\
...                                             seeds_idx, node_feat, rerank=True)
>>> print(g[0], g[1], seeds_idx)
[2 3 5 6 3 4 0 6] [0 2 4 5 6 7 8 8] [5, 4, 3]
>>> print(node_feat)
[[8. 7. 6. 5.]
[2. 4. 1. 3.]
[1. 2. 1. 1.]
[8. 6. 4. 6.]
[9. 7. 5. 8.]
[1. 2. 3. 4.]
[1. 3. 2. 4.]]