Heming Xu

如果是算法效率的问题那么算法效率可能限制了这个库的应用场景，我这里测试的稠密图的输入大概是一张图，1000左右个节点，3万左右条边，过一层gcn大概需要数秒的时间，但之前在另一个框架上跑的时候比这个要快许多

落木银石 ***@***.***   您好，我自己的实验部分的代码在dhg.experiments.simple.sub-dep-seed文件内，确实我在每次infer的时候传入的都是不同的图，即图上边的结构是不同的，因为我研究的问题可能更偏向于动态图。是这个导致算法效率低下的吗？意思是说此框架的代码目前只适合做静态图的工作吗？ ------------------ 原始邮件 ------------------ 发件人: "iMoonLab/DeepHypergraph" ***@***.***>; 发送时间: 2022年9月27日(星期二) 下午3:37 ***@***.***>; ***@***.******@***.***>; 主题: Re: [iMoonLab/DeepHypergraph] 关于稠密图数据用于训练 (Issue #12) 您好，可否提供一下代码？ 我猜测可能是你在每一次infer的时候都重新建图导致的。 — Reply to this email directly, view it on GitHub, or...

好的，我会和我这边的同学商量一下，然后稍后整理个更详细的在github中disucssion部分提出。不过我们实验室主要是用超图来做图分类任务，和只在一张图上做点分类很不一样。我们的需求主要是输入结构，功能上不同的超图，然后对每张超图做图分类任务。因此对动态图的需求比较高。我们不是每个epoch，重构一张图，而是每一个batch都会重构一张图   落木银石 ***@***.***   ------------------ 原始邮件 ------------------ 发件人: "Yifan ***@***.***>; 发送时间: 2022年10月11日(星期二) 晚上8:43 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re: [iMoonLab/DeepHypergraph] 关于稠密图数据用于训练 (Issue #12) 您好， 目前dhg的性能优化更偏向于处理静态图。方便的话，您可以将您对动态图的构想和期望的功能写成一个更为详细的issue，或者在discussion里面提出。我们也正准备在dhg的后续版本对动态图的操作做出一定的计算性能上的优化。 期待您的反馈。 祝好， 一帆 — Reply...

iMoonLab/DHGNN: DHGNN source code for IJCAI19 paper: "Dynamic Hypergraph Neural Networks" (github.com)，在你们实验室的这个项目里面，就针对动态超图进行了实现。据我观察，每一层都对超图进行了重构，重新的初始化。但并没有对算法效率带来特别大的影响。之前我们讨论的，重新对超图进行初始化在dhg这个项目里面会对超图卷积操作带来很大的影响。这其中的原因大概是什么样的呢？   落木银石 ***@***.***   ------------------ 原始邮件 ------------------ 发件人: "Yifan ***@***.***>; 发送时间: 2022年10月12日(星期三) 下午5:42 收件人: ***@***.***>; 抄送: ***@***.***>; ***@***.***>; 主题: Re:...