怎么获取spGAT两层网络以后的特征向量，设置输出特征向量维度[100,200]，代码怎么表示

获取spGAT两层网络后的特征向量可以通过以下代码实现：

import torch
from model import spGAT

# 初始化spGAT模型
model = spGAT(num_classes=100, 
              num_heads=4, 
              num_layers=2, 
              feat_dim=50, 
              hid_dim=100, 
              dropout=0.5)

# 假设输入的数据为x
x = torch.randn(32, 50) # batch size为32，特征维度为50

# 获取特征向量
out, _ = model(x)

其中，`model(x)`会返回两个值，第一个值`out`就是经过两层spGAT网络后的特征向量，其大小为`(batch_size, num_classes)`。

如果要将输出特征向量的维度设置为`[100, 200]`，可以在初始化模型时修改`num_classes`和`hid_dim`的值：

model = spGAT(num_classes=200,  # 输出特征向量维度为200
              num_heads=4, 
              num_layers=2, 
              feat_dim=50, 
              hid_dim=100, 
              dropout=0.5)

这样，经过两层spGAT网络后，输出的特征向量大小就为`(batch_size, 200)`了。