Is code in utils line 117-line 120 real?

[PolarisRisingWar]

y = y0
for i in range(K): 
    y = torch.matmul(adj, y)
    for i in idx:

i既在循环外又在循环内，是不是写错了？
另外最上面y=y0用的是直接引用，那后面对y做修改的话不会对y0也产生影响吗？这一步本来是想保存y0的值吗，那感觉应该用copy()或者clone()之类的代码？

[PolarisRisingWar]

我试验了一下，底下那个i既在大循环又在小循环好像对小循环里面的i没有影响。
但是y=y0这个直接引用好像就是会改变y0。
您这边看一下？

[PolarisRisingWar]

我看了一下在models.py中的inference()函数也是这样写的：

    def inference(self, h, adj): 
        y0 = torch.softmax(h, dim=-1) 
        y = y0
        for i in range(self.K):
            y = (1 - self.alpha) * torch.matmul(adj, y) + self.alpha * y0
        return y

也是一样的问题，这个y能直接引用吗？

[DongHande]

感谢你对我们工作的关注。下面针对你提出的问题给出答复：

1. 第一个问题，内外循环的问题。这个主要是因为循环体没用到外层的i，因此不会出bug，外层的循环只起控制循环多少次的作用。这个代码写的确实不太好，不利于阅读，我会更新下，改成 for _ in range(K):。
2. 这个写法是没有问题的，不会对y0产生影响，你可以用调试模式观看下变量的值检查下。

[PolarisRisingWar]

非常感谢！虽然我没搞懂机制，但是我自己调试了一下，确实是不会影响。感谢您的回复！

[PolarisRisingWar]

另外还想问一下，我看到代码中除对邻接矩阵进行正则化外，还对feature也进行了正则化。请问对feature做正则化是专门有什么理论依据的吗？

[DongHande]

这个是follow之前的工作做的数据预处理。 PolarisRisingWar ***@***.***> 于2021年8月12日周四 下午12:59写道：

…

另外还想问一下，我看到代码中除对邻接矩阵进行正则化外，还对feature也进行了正则化。请问对feature做正则化是专门有什么理论依据的吗？ — You are receiving this because you commented. Reply to this email directly, view it on GitHub <#1 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AK2BV6NXKTIPEFLE6QDUTFLT4NIJZANCNFSM5B76VP4A> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&utm_campaign=notification-email> .

[PolarisRisingWar]

感谢您的回复！我去看了一下PPNP项目的代码，他们对feature做的正则化好像是这个函数：

def normalize_attributes(attr_matrix):
    epsilon = 1e-12
    if isinstance(attr_matrix, sp.csr_matrix):
        attr_norms = spla.norm(attr_matrix, ord=1, axis=1)
        attr_invnorms = 1 / np.maximum(attr_norms, epsilon)
        attr_mat_norm = attr_matrix.multiply(attr_invnorms[:, np.newaxis])
    else:
        attr_norms = np.linalg.norm(attr_matrix, ord=1, axis=1)
        attr_invnorms = 1 / np.maximum(attr_norms, epsilon)
        attr_mat_norm = attr_matrix * attr_invnorms[:, np.newaxis]
    return attr_mat_norm

想请问您是参考的这一代码吗？

[DongHande]

我参考的不是这段，具体是哪个代码记不太清楚了。最开始GCN的代码就是这样normalize feature的，后面follow的工作不少都按照了这种方式预处理数据，特别是对这几个经典数据的预处理。 PolarisRisingWar ***@***.***> 于2021年8月12日周四 下午2:06写道：

…

感谢您的回复！我去看了一下PPNP项目的代码，他们对feature做的正则化好像是这个函数： def normalize_attributes(attr_matrix): epsilon = 1e-12 if isinstance(attr_matrix, sp.csr_matrix): attr_norms = spla.norm(attr_matrix, ord=1, axis=1) attr_invnorms = 1 / np.maximum(attr_norms, epsilon) attr_mat_norm = attr_matrix.multiply(attr_invnorms[:, np.newaxis]) else: attr_norms = np.linalg.norm(attr_matrix, ord=1, axis=1) attr_invnorms = 1 / np.maximum(attr_norms, epsilon) attr_mat_norm = attr_matrix * attr_invnorms[:, np.newaxis] return attr_mat_norm 想请问您是参考的这一代码吗？ — You are receiving this because you commented. Reply to this email directly, view it on GitHub <#1 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AK2BV6MFBAIVOAICXJGQ4QLT4NQF3ANCNFSM5B76VP4A> . Triage notifications on the go with GitHub Mobile for iOS <https://apps.apple.com/app/apple-store/id1477376905?ct=notification-email&mt=8&pt=524675> or Android <https://play.google.com/store/apps/details?id=com.github.android&utm_campaign=notification-email> .

[PolarisRisingWar]

好的，非常感谢您的耐心回复！也感谢您与您的团队创作出优秀的论文！