使用DGL实现一个异构图的例子

最新推荐文章于 2024-07-19 16:36:18 发布
最新推荐文章于 2024-07-19 16:36:18 发布
阅读量198 收藏 3
点赞数 2
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Seven597/article/details/137839833
版权

使用DGL实现一个异构图的例子

截图的地址： dgl

异构图

相比同构图，异构图里可以有不同类型的节点和边。这些不同类型的节点和边具有独立的ID空间和特征。 例如在下图中，”用户”和”游戏”节点的ID都是从0开始的，而且两种节点具有不同的特征。
在这里插入图片描述
一个异构图示例。该图具有两种类型的节点(“用户”和”游戏”)和两种类型的边(“关注”和”玩”)。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

码mamba
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
DGL图异构神经网络
weixin_43964189的博客
12-31 5862
DGL图异构神经网络 什么是异构图？ 传统同构图（Homogeneous Graph）数据中只存在一种节点和边，因此在构建图神经网络时所有节点共享同样的模型参数并且拥有同样维度的特征空间。而异构图（Heterogeneous Graph）中可以存在不只一种节点和边，因此允许不同类型的节点拥有不同维度的特征或属性。 这一特点使得异构图的应用十分广泛。事实上，如果用图来描述我们和周围事物的关系就会发现...
DGL创建异构图
qq_43858783的博客
11-20 285
DGL创建异构图
【图神经网络】使用DGL入门异构图神经网络
小哲的博客
11-23 2792
传统同构图（）数据中只存在一种节点和边，因此在构建图神经网络时所有节点共享同样的模型参数并且拥有同样维度的特征空间。而异构图（）中可以存在不只一种节点和边，因此允许不同类型的节点拥有不同维度的特征或属性。这一特点使得异构图的应用十分广泛。事实上，如果用图来描述我们和周围事物的关系就会发现所产生的图都是天然异构的。比如今天看了电影《流浪地球》，那“我”作为观众和电影《流浪地球》之间就建立了“看了”这一关系。异构图可以用来描述这种交互关系的集合。这个图分“观众”和“电影”两类节点，以及“看了”这一类边。
【DGL学习4】使用DGL构造异构图
智慧的旋风的博客
05-27 3319
使用DGL都早异构图 参考：https://docs.dgl.ai/guide_cn/graph-heterogeneous.html import dgl import torch Using backend: pytorch 使用DGL创建异构图 下面一个异构图示例。该图具有两种类型的节点(“用户”和”游戏”)和两种类型的边(“关注”和”玩”)。 我们将按照这个例子来创建一个异构图。 graph_data = { ('user', 'follows', 'user') : (torch.t
使用dgl库实现GCN【官方案例】
qq_43858783的博客
11-14 485
DGL官网案例——GCN
DGL中异构图的一些理解以及异构图卷积HeteroGraphConv的用法
学习笔记
07-04 4735
相比同构图，异构图里可以有不同类型的节点和边。这些不同类型的节点和边具有独立的ID空间和特征。 例如在下图中，”用户”和”游戏”节点的ID都是从0开始的，而且两种节点具有不同的特征。 因此异构图才是最能够表达和适用我们真实世界的各种表达的。下面可以使用DGL创建一个如下的异构图： 一共有三种实体，三种关系的异构图 输出结果： DGL中创建异构图有许多方式，上面介绍的是通过类似三元组的方式创建 例如(‘store’, ‘sells’, ‘game’)，是指store指向game的sells关系，([0],
【图神经网络】使用DGL框架实现简单图分类任务
小哲的博客
11-17 2415
这里使用的图分类器和应用在图像或者语音上的分类器类似——先通过多层神经网络计算每个样本的表示（representation），再通过表示计算出每个类别的概率，最后通过向后传播计算梯度。通过图卷积（Graph Convolution）层获得图中每个节点的表示。使用「读出」操作（Readout）获得每张图的表示。使用 Softmax 计算每个类别的概率，使用向后传播更新参数。下图展示了整个流程：之后我们将分步讲解每一个步骤。
DGL在异构图上进行消息传递
qq_43858783的博客
11-21 113
异构图是包含不同类型的节点和边的图。不同类型的节点和边常常具有不同类型的属性。这些属性旨在刻画每一种节点和边的特征。在使用图神经网络时，根据其复杂性， 可能需要使用不同维度的表示来对不同类型的节点和边进行建模。还接受一个字符串来表示跨类型整合函数，来指定。这个字典的每一个键值对里，
DGL库CPU版本和CUDA版本
02-27
DGL库CPU版本和CUDA版本 dgl-0.9.1-cp37-cp37m-win_amd64.whl win-64-dgl-cuda11.1-0.9.1-py37-0.tar.bz DGL库CPU版本和CUDA版本 dgl-0.9.1-cp37-cp37m-win_amd64.whl win-64-dgl-cuda11.1-0.9.1-py37-0.tar.bz DGL...
GraphSaint:GraphSaint的dgl实现
04-01
GraphSaint GraphSaint的dgl实现比较F1-微型方法生产者价格指数Flickr的Reddit 节点（纸） 0.960±0.001 0.507±0.001 0.962±0.001 边缘（纸） 0.981±0.007 0.510±0.002 0.966±0.001 RW（纸） 0.981±0.004 0....
DGN:有向图网络在PyTorch和DGL中的实现
05-01
在PyTorch和DGL中实现方向图网络。 概述 我们在PyTorch和DGL框架中提供了方向图网络（DGN）的实现，以及用于运行实际基准测试的脚本。 该存储库的组织方式如下： models包含： pytorch包含在pytorch中实现的各种...
详解 异质图 异构图完整code下载（含数据集）-HetroGNN-附博客教学讲解-附DGL基础练习必会代码
07-12
这是近期跑过的关于异质图/异构图的项目完整代码+数据集，且含有DGL基础练习代码，欢迎大家下载学习（下载后 请依次解压文件即可~）。这部分知识的讲解我已经在博客中记录，近期会发布该博客，可以根据关键字或者...
《使用DGL训练大规模图神经网络》马超.pdf
06-18
图神经网络的实战文档，可以给该领域的初学者提供参考。图网络（Graph Network, GN）是在拓扑空间（topological space）内按图（graph）结构组织以进行关系推理（relational reasoning）的函数集合。在深度学习理论...
【Python如何将字符串连接在一起并使用`join()`方法】
最新发布
qq_36253366的博客
07-19 163
方法是字符串对象的方法，而不是列表或元组等序列类型的方法。因此，你需要先指定一个用作分隔符的字符串，然后调用这个字符串的。方法将字符串连接在一起，你需要首先确保这些字符串被存储在一个序列类型中（如列表或元组），然后调用这个序列的。方法是一个字符串方法，它用于将序列（如列表、元组等）中的元素以指定的字符连接生成一个新的字符串。列表中的所有字符串元素使用空格作为分隔符连接成一个新的字符串。方法，并将你想要作为分隔符的字符串作为参数传递给。方法，并将包含要连接字符串的序列作为参数传递。
华为od机试真题 — 代表团坐车(Python)
学习,你不是一个人在战斗 ～ 961302305（QQ,微信）
07-17 568
【华为od机试真题 】代表团坐车(Python) 某组织举行会议，来了多个代表团同时到达，接待处只有一辆汽车可以同时接待多个代表团，为了提高车辆利用率，请帮接待员计算可以坐满车的接待方案输出方案数量。
IPython 日志秘籍：%logstate 命令全解析
2401_85812026的博客
07-17 558
logstate命令是 IPython 日志系统的重要组成部分，它帮助我们掌控日志记录的状态。通过本文的介绍，你应该对如何在 IPython 中使用%logstate查看日志状态有了更深入的理解。记住，合理利用日志系统，可以让你的数据探索过程更加透明和可追溯。本文详细介绍了 IPython 的%logstate命令，包括其基本概念、基本用法、输出解析以及实战示例。希望本文能够帮助读者更好地利用 IPython 的日志系统，优化数据探索和科学计算的工作流。记住，掌握%logstate。
Python每日一题：回文数
xiongxiaoxuan的博客
07-16 267
回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。例如，121 是回文，而 123 不是。给你一个整数 x ，如果 x 是一个回文整数，返回 true；否则，返回 false。解释：从左向右读, 为 -121。从右向左读, 为 121-。因此它不是一个回文数。先将整数x转化为字符串形式，判断x和它的反转形态是否完全相等。解释：从右向左读, 为 01。需注意：True和False首字母大写！提示：-231
【Python 中的内存管理有哪些优缺点】
qq_36253366的博客
07-19 196
Python中的内存管理是一个复杂而高效的系统，它通过自动化和抽象化的方式极大地简化了程序员的内存管理负担，但同时也存在一些潜在的缺点。
dgl构建一个异构图，删除指定的某一条边
06-11
好的，针对你的问题，我可以给出以下的解答： 首先，我们需要利用 DGL 构建一个异构图。具体的实现过程如下所示： ```python import dgl import torch # 定义实体类型 etype_dict = {"person": 0, "book": 1, "organization": 2} # 定义实体和边 src = torch.tensor([0, 1, 1, 2, 3]) dst = torch.tensor([1, 2, 3, 0, 1]) etypes = torch.tensor([etype_dict["person"], etype_dict["book"], etype_dict["book"], etype_dict["organization"], etype_dict["person"]]) # 创建异构图 graph = dgl.heterograph({('person', 'knows', 'person'): (src, dst), ('book', 'belongs_to', 'organization'): (dst, src)}, etypes=etypes) print(graph) ``` 接下来，我们可以删除指定的某一条边。具体的实现过程如下所示： ```python # 定义要删除的边的索引 edge_idx_to_remove = 0 # 删除边 graph = dgl.remove_edges(graph, edge_idx_to_remove) print(graph) ``` 在上述代码中，我们首先定义了要删除的边的索引 `edge_idx_to_remove`，然后利用 `remove_edges` 方法来删除这条边，并且重新构建了一个异构图。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值