本文介绍了一种名为GRASS的新颖GNN架构，结合了消息传递、图重连和图变换等关键范式。GRASS通过叠加随机正则图来重连输入图，增强远程信息传播同时保留输入图的结构特征。它还采用了一种针对图结构数据的独特的加法注意机制，提供了图归纳偏置，同时保持了计算效率。实证评估结果表明，GRASS在多个基准数据集上实现了最先进的性能，验证了其实际有效性。

通过SLTrain方法，将权重参数化为低秩和稀疏矩阵之和，提高了预训练性能。SLTrain几乎没有额外参数和内存开销，但实现了与完全秩训练相当的性能。结合量化和逐层更新，SLTrain可以降低内存要求高达73%。

该插件由意大利@Massimiliano基于GRASS平台开发，用于快速划分斜坡单元。 原作者只适配了在Ubuntu下的操作，而本人尝试使用后发现并不好使，故想办法移植到Windows下使用。由于花费了不少心思摸索，故记录，方便下次查阅。