所以我的想法是希望能够根据每个节点的邻接矩阵和特征来预测整个图的属性。
现在进行培训我认为我的训练数据是一个巨大的稀疏N x k矩阵，其中每个N节点（训练数据中每个图的N个节点）都有{{ 1}}功能。
我可以很好地执行图形卷积，最后得到k矩阵，其中每个节点都有N x l个功能。
具有挑战性的部分是处理图形读数，即为每个图形而不是每个节点输出静态向量。我的培训标签是每个图表。我需要将l张量分为N x l多个c张量，其中有n_i x l个不同的图表，图表c有i个节点
我试图用n_i来完成这个（因为它很容易知道哪个节点对应哪个图）但是它需要一个静态数字来表示分区数（为了可以区分？），但是这个数字显然取决于我想要训练/验证/测试的图表数量。因此它不能是静态的。
我现在有点坚持如何构建它。这不是我理解中的tensorflow的典型用法，因为我在每个节点上执行计算，然后我需要总结每个特定图形的所有值，这样我就可以得到每个图形而不是每个节点的最终输出。
非常感谢任何建议