引言
Batch size问题
在Tensorflow-GNN中使用batch size除了需要注意上面的链接问题之外，最近我在调试的发现，使用了merge_batch_to_components() 之后，使用TF-GNN的Readout模块，它会默认merge之后的graph为一张图读出所有节点的数据组成一个矩阵，而不区分batch中的每一张子图，故会导致数据的结构被修改，导致模型的表现与预期的差距较大。
解决方案
out = tfgnn.keras.layers.Pool(tfgnn.CONTEXT, "sum", node_set_name="node")(graph)
使用Pool替代Readout，该代码的具体的作用是从merge之后的图中，读出每一张子图（component）上 的节点数据，并对每个子图的节点数据进行pooling，如这里使用加法做为pooling的方式，并把这些子图pooling之后的数据拼接成一个矩阵存储在context中。这个矩阵的数据和原始输入的graph是一一对应的，如输入的batch size是32，这个矩阵的行数也为32行，每一行对应一张graph。
