我正在尝试比较我的项目的 2 个模型 GraphConv 和 GCNConv。根据 pytorch 提供的教程，GraphConv 通过省略邻域标准化来保留中心节点信息。该教程显示，在 GCNConv 模型的情况下，GraphConv 将测试准确率从 76% 提高到了 82%。然而，在我的例子中，GraphConv 将训练准确率从 89%（GCNConv）提高到 93%，但测试准确率没有变化，即 88%（与 GraphConv 和 GCNConv 类似）。我保持其余参数相同，那么原因可能是什么？有什么办法可以提高测试的准确性吗？谢谢，下面是我提到的 pytorch 教程的链接。
我尝试比较 GraphConv 和 GCNConv，GraphConv 应该在测试准确性上给我更好的结果，但事实并非如此。
您能分享一下 GraphConv 的代码吗？由于代码的随机部分可以改变输出，我认为运行几次（如果您的代码工作正确）可能会显示略有不同的结果，例如，检查我的网络架构，
self.conv1 = GraphConv(dataset.num_node_features, hidden_channels)
self.conv2 = GraphConv(hidden_channels, hidden_channels)
self.conv3 = GraphConv(hidden_channels, hidden_channels)
self.lin = Linear(hidden_channels, dataset.num_classes)
这将产生约 84% 的测试准确度，正如您在示例运行中所看到的：
Epoch: 189, Train Acc: 0.8600, Test Acc: 0.7368
Epoch: 190, Train Acc: 0.9333, Test Acc: 0.7895
Epoch: 191, Train Acc: 0.9133, Test Acc: 0.7895
Epoch: 192, Train Acc: 0.9333, Test Acc: 0.7895
Epoch: 193, Train Acc: 0.9333, Test Acc: 0.7895
Epoch: 194, Train Acc: 0.9333, Test Acc: 0.7895
Epoch: 195, Train Acc: 0.9333, Test Acc: 0.8158
Epoch: 196, Train Acc: 0.9133, Test Acc: 0.7895
Epoch: 197, Train Acc: 0.9467, Test Acc: 0.8158
Epoch: 198, Train Acc: 0.9467, Test Acc: 0.8158
Epoch: 199, Train Acc: 0.9333, Test Acc: 0.7895
Epoch: 200, Train Acc: 0.9333, Test Acc: 0.8421
我想使用graphSAGE来查找异常节点。我想对我的图表使用边权重，但使用 PYG 几何库的 graphSAGE 不支持该边权重。如果我使用 GraphConv 而不是 SageConv，它支持输入图的边权重，那么 GraphConv 的功能与 SageConv 类似吗？