GAT 只能用dense feature，AttEncoder里没有用到聚合？

[AI-Friend]

AttEncoder的输出是 tf.reshape(out, [batch_size, self.out_dim])，out_dim默认是1，所以返回的 embedding是【batch_size,1】。而且AttenEncoder里没有用到Aggregator，这是为什么呢？

[alinamimi]

out_dim默认是1，用户是需要输入out_dim的。AttEncoder实现的时候是指使用了dense feature，如果要使用其他feature，可以参照shallowEncoder，自己加一下

[AI-Friend]

我看GAT没有使用AttEncoder，而是使用了att_head函数。与GAT论文的linear transformation相比， 函数里用了一维卷积，是有什么考虑吗？ 最重要的地方 logits = f_1 + tf.transpose(f_2, [0, 2, 1]) 这里，f_2变化维度，然后与f_1相加，这里实在没看懂， 可以给解答下吗？(为了达到5个邻居都与self node的特征作对应目的？然后一次性softmax？) def att_head(self, seq, out_size, activation): seq_fts = tf.layers.conv1d(seq, out_size, 1, use_bias=False) f_1 = tf.layers.conv1d(seq_fts, 1, 1) f_2 = tf.layers.conv1d(seq_fts, 1, 1)
logits = f_1 + tf.transpose(f_2, [0, 2, 1]) coefs = tf.nn.softmax(tf.nn.leaky_relu(logits)) vals = tf.matmul(coefs, seq_fts) ret = tf.contrib.layers.bias_add(vals) return ret 谢谢，@alinamimi