2021-06-27

最新推荐文章于 2024-06-29 12:16:29 发布
最新推荐文章于 2024-06-29 12:16:29 发布
阅读量1.2k 收藏 9
点赞数 3
分类专栏： GCN代码理解 文章标签： 深度学习
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/XNJaaa/article/details/118280504
版权

pygcn代码笔记（1）

理解并尝试运行GCN代码

代码地址https://github.com/tkipf/pygcn

问题一：如何使用python setup.py install

python setup.py install

pygcn中提供了setup.py文件，是我们用来安装下载的python包或者自己按照python官方规范开发的扩展包的常用指令。
刚打开从上述github上下载下来的包，运行pygcn代码时，会存在报错，pygcn模块不存在，这是由于相关包没有安装。

步骤

pygcn的代码在我的电脑上存储位置是：E:\研究生论文下载\B站图神经网络学习\pygcn-master。
（1）win+r，出现运行输入窗口，输入cmd
（2）conda activate pytorchG进入虚拟环境
（3）再在cmd运行窗口中输入E:,进E盘根目录。
（4）进入E盘根目录后，在光标处输入cd +E:\研究生论文下载\B站图神经网络学习\pygcn-master,按enter就可以进入目录。
这时，输入语句：

python setup.py install

即可成功安装相关包。

总结：
（1）打开cmd
（2）到达安装目录（也就是setup.py文件所在文件夹）
（3）在该文件夹下使用python setup.py install命令安装包。
如图例子：
pytorchG为我的pytorch虚拟环境名称。
成功安装。安装成功
参考链接

XNJaaa
关注
  • 3
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
PyPI 官网下载 | pygcn-0.1.18.tar.gz
01-15
资源来自pypi官网。 资源全名：pygcn-0.1.18.tar.gz
pygcn安装
weixin_52615368的博客
07-14 720
明明文档里写的可以直接pip install pygcn，但是这么安装以后总是报错ModuleNotFoundError: No module named 'pygcn'。pip/conda install 都试了没有用，甚至pip/conda list也都看了，安装的包都好好的躺在该在的site-packages里，奈何就是import不了。解决方法是还得去GitHub上把原来的zip文件下载下来。这里我放到了安装环境的site-packages里。然后就会提示安装成功了。
python包之pygcn安装
最新发布
Netceor的博客
06-29 245
这个包通过普通的pip install pygcn无法正常安装，要到github下载并安装。
PyGCN 源码阅读
珍妮的选择的博客
11-04 5449
PyGCN 源码阅读 代码地址: https://github.com/tkipf/pygcn GCN 论文 Semi-Supervised Classification with Graph Convolutional Networks cora 数据介绍 该数据集包含有关 Machine Learing 主题的 paper, 主要由 cora.content 以及 cora.sites 两个文...
pytorch笔记——GCN：PyG安装（Windows）
m0_46611848的博客
04-05 624
just笔记分享，未必正确，不断进步
二.GNN算法之Graph Network
weixin_51736742的博客
08-04 781
二.GNN算法之Graph Network 2.1 GCN 图卷积神经网络 完整源码连接https://github.com/tkipf/pygcn 感谢作者！ from __future__ import division from __future__ import print_function import time import argparse import numpy as np import torch import torch.nn.functional as F import torc
文本(2021-06-27 200757).txt
06-27
文本(2021-06-27 200757).txt
tampermonkey-backup-chrome-2021-11-27T01-27-17-766Z.zip
11-27
配置过的油猴插件
ffmpeg-2021-02-10-git-e0fd35d867-full_build (1).7z
05-06
Fmpeg 是领先的多媒体框架，能够解码、编码、转码、混合、解密、流媒体、过滤和播放人类和机器创造的几乎所有东西。它支持最晦涩的古老格式，直到最尖端的格式。
Pipeline-Trigger-2021-04-06T19-27-21.114Z:为工具链创建
04-13
标题中的“Pipeline-Trigger-2021-04-06T19-27-21.114Z:为工具链创建”暗示了这是一个关于自动化工作流程的项目，具体是针对构建和触发工具链的设置。在IT行业中，Pipeline通常指的是CI/CD（持续集成/持续部署）流程...
pygcn-feedstock：pygcn的conda-smithy存储库
02-10
关于pygcn 主页： : 套件授权：GPLv3 + 原料许可证： 摘要：匿名VOEvent客户端，用于接收XML格式的GCN / TAN通知 伽马射线坐标网络/瞬态天文学网络（GCN / TAN）是一种分配天文警报的系统，主要关注高能卫星任务的运行和探测。 GCN / TAN通过几种交付方式和格式来分发通知（提示，机器可读的警报）和通函（人类可读的信件）。 该软件包实现了一个简单的客户端，该客户端通过自定义TCP / IP VOEvent传输协议匿名侦听VOEvent XML格式的通知。 当前构建状态 所有平台： 当前发行信息 名称 资料下载 版 平台类 安装pygcn 安装pygcn从conda-forge通道可以通过添加可以实现conda-forge到您的频道： conda config --add channels conda-forge 启用pygcn con
Pipeline-Trigger-2021-04-06T20-27-37.461Z:为工具链创建
04-07
标题“Pipeline-Trigger-2021-04-06T20-27-37.461Z:为工具链创建”表明这是一个关于自动化流程触发的项目，可能是一个CI/CD（持续集成/持续部署）的配置文件或者脚本。日期和时间戳（2021-04-06T20-27-37.461Z）通常...
PyG搭建GCN实现链接预测
KI的博客
07-24 7624
PyG搭建GCN实现链接预测
探索图卷积网络：pygcn项目深度解析与应用
gitblog_00051的博客
03-21 447
探索图卷积网络：pygcn项目深度解析与应用 项目地址:https://gitcode.com/tkipf/pygcn 在机器学习和深度学习的世界中，图卷积网络（Graph Convolutional Networks, GCN）已成为一种强大的工具，特别是在处理非欧几里得数据时，如社交网络、生物网络等。今天，我们要介绍的是一个基于Python实现的GCN库——pygcn，由Thomas Kip...
图神经网络—lesson1—pyG库的安装与简单图论
ahdaizhixu的博客
06-16 474
这里是目录1. 写在前面2. 简单图论3. 环境配置与pyG库的安装4. data类的学习 1. 写在前面 先在这里给datawhale做一个推广吧，本期组队学习内容： https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN 时隔两个月，再次开始组队学习，还是有些不习惯的。报名这次组队学习一方面是自己对这方面知识还算感兴趣（无非就是没学过，图个新鲜，每次学习都不够深入）。另一方面也是想改变一下目前比较松懈的生活方式。本次学习我要
关于pyGCN的理解
m0_55613022的博客
05-15 322
文章目录 代码 数据集CORA GCN更多信息 train.py中的参数 对应的参数计算对应公式 Q&A 关于优化器 自适应矩估计(adaptive moment estimation) 关于优化器 中的weight_decay 关于误差 关于seed的使用 关于pyGCN中使用的损失函数 训练集、验证集和测试集， 代码 数据集CORA 组成 2708 paper 1433 features 1433个词，不包含词频小于10的词 7 l
Pygcn源码解读
阿fa
10-30 1801
import numpy as np import scipy.sparse as sp import torch def encode_onehot(labels): classes=set(labels) #求出labels的类 classes_dict={c:np.identity(len(classes))[i,:] for i,c in enumerate(classes)} #生成类别字典 labels_onehot=np.array(list(map(c.
结果是这样的，没有根据id排：start_date end_date 0 2020-01-15 2020-04-27 1 2020-09-30 2020-10-10 2 2021-02-07 2021-02-22 3 2021-03-06 2021-03-24 4 2020-01-21 2020-03-03 .. ... ... 639 2021-03-09 2021-03-18 640 2021-03-24 2021-04-01 641 2020-01-12 2020-04-19 642 2021-02-09 2021-02-18 643 2020-01-18 2020-03-09
06-03
如果你想根据企业id对结果进行排序，可以在输出结果之前加上一行代码： ```python result = result.sort_values(by=['id']) ``` 此代码将会根据id对结果进行排序，使得每个企业的结果排在一起。完整的代码如下： ```python mean = DataFrame.groupby(['id'])['amount'].mean() # 列出每个企业用电量低于均值时间超过一周的时间段，标记起始时间和结束时间，省略中间时间 filtered_data = DataFrame[DataFrame['amount'] < DataFrame['id'].map(mean)] filtered_data['date'] = pd.to_datetime(filtered_data['date']) filtered_data['diff'] = filtered_data.groupby('id')['date'].diff().dt.days filtered_data['period'] = (filtered_data['diff'] > 1).cumsum() # 找出连续时间段，并计算起始时间和结束时间 result = filtered_data.groupby(['id', 'period']).agg(start_date=('date', 'min'), end_date=('date', 'max')) result = result[result['end_date'] - result['start_date'] > pd.Timedelta(days=7)].reset_index(drop=True) # 根据id排序输出结果 result = result.sort_values(by=['id']) print(result) ``` 输出结果将会按照企业id进行排序。
评论 2
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