PyG框架构建GCN、GAT、GraphSAGE模型

最新推荐文章于 2024-06-03 15:33:40 发布

调包调参侠

最新推荐文章于 2024-06-03 15:33:40 发布

阅读量2.9k

点赞数 6

分类专栏：图神经网络论文阅读文章标签：深度学习 pytorch 人工智能

本文链接：https://blog.csdn.net/Andre_Jan/article/details/123434381

版权

获取Cora数据集，查看训练、测试、验证集比例

from torch_geometric.datasets import Planetoid

# '''
# 下载报错，将所有data文件下载到本地
# https://github.com/kimiyoung/planetoid
# 将cora相关文件放入到raw文件中
# '''

dataset = Planetoid(root='./tmp/Cora',name='Cora')
print((dataset[0].train_mask).sum())
print((dataset[0].test_mask).sum())
print((dataset[0].val_mask).sum())
print(dataset[0])

获取模型

import torch
import torch.nn.functional as F
from torch_geometric.nn import GCNConv, SAGEConv, GATConv

构建GCN网络，训练验证

class GCN_Net(torch.nn.Module):
    def __init__(self, features, hidden, classes):
        super(GCN_Net, self).__init__()
        self.conv1 = GCNConv(features, hidden)
        self.conv2 = GCNConv(hidden, classes)
    def forward(self, data):
        x, edge_index = data.x, data.