2.4 在消息传递中使用边的权重¶

一类常见的图神经网络建模的做法是在消息聚合前使用边的权重，比如在图注意力网络(GAT) 和一些 GCN的变种。 DGL的处理方法是：

将权重存为边的特征。
在消息函数中用边的特征与源节点的特征相乘。

例如：

import dgl.function as fn

# 假定eweight是一个形状为(E, *)的张量，E是边的数量。
graph.edata['a'] = eweight
graph.update_all(fn.u_mul_e('ft', 'a', 'm'),
                 fn.sum('m', 'ft'))

在以上代码中，eweight被用作边的权重。边权重通常是一个标量。