引言
Batch size作为一个在训练中经常被使用的参数，在图神经网络的训练中也是必不可少，但是在TF-GNN中要求使用 merge_batch_to_components() 把batch之后的图合并成一张图。表现如下图：
通过上图可以看出，在merge之后的图中的点序号被重新按照顺序编号，同时边的序号也和点序号一样重新编号，且可以发现子图与子图之间并没有新增边的连接，需要注意的是对于图的size，merge只是连接了每个子图的size而不是以加法的形式增加size。
问题
由于需要在edge pooling中使用attention机制，并且尝试自己实现attention机制，需要获取到图的节点数量，然而发现在图数据经过merge_batch_to_components() 之后，无法通过正常的方式获取到图的节点数量，通过阅读TF-GNN的源代码发现，TF-GNN提供了另外一种方式获取图的节点数量。
adjacency = graph.edge_sets[edge_set_name].adjacency
node_set =graph.node_sets[adjacency.node_set_name(self.tag)]
total_node_count = node_set.spec.total_size
if total_node_count is None:
total_node_count = node_set.total_size
![2022-04-01：有n个人，m个任务，任务之间有依赖记录在int[][] depends里。 比如: depends[i] = [a, b]，表示a任务依赖b任务的完成， 其中 0 ＜= a ＜](https://www.kunjuke.com/file/css/thumb/2.jpg/280-180.jpg)
