model_init

[11051911]

在`def model_init(model, X, y, A_norm): """ load the pre-train model and calculate similarity and cluster centers Args: model: Dual Correlation Reduction Network X: input feature matrix y: input label A_norm: normalized adj Returns: embedding similarity matrix """

load pre-train model

model = load_pretrain_parameter(model)

# calculate embedding similarity
with torch.no_grad():
    _, _, _, sim, _, _, _, Z, _, _ = model(X, A_norm, X, A_norm)

# calculate cluster centers
acc, nmi, ari, f1, centers = clustering(Z, y)

return sim, centers`中
    _, _, _, sim, _, _, _, Z, _, _ = model(X, A_norm, X, A_norm)中X,A_norm出现了两次

在传入forward(self, X_tilde1, Am, X_tilde2, Ad)函数时是应该是x1一波和x2一波， 这样的话取平均好像好不取平均是一样的了 Z_ae = (Z_ae1 + Z_ae2) / 2 Z_igae = (Z_igae1 + Z_igae2) / 2

这个地方不太理解，可以解答一下吗？

[yueliu1999]

你好，感谢关注。在模型初始化的时候，还不需要做图数据增强，因此只有一个视图的数据，只需要传X和A_norm一次。这里写的应该只是为了适配那个函数的输入和输出，实际上只计算一次就可以，之后可以修改成只做一次encoding的。