![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图神经网络
介绍关于图神经网络的基本知识与最新进展
Javy Wang
学无止境 气有浩然
展开
-
PyTorch图神经网络实践(七)社区检测
文章目录前言组合优化社区检测端到端的学习与优化作者介绍核心思想技术手段方法创新代码复现前言最近一直在研究组合优化问题,上周看到2019年NeurIPS会议上有篇文章提出了一种端到端的学习和优化框架,并且开源了代码,于是复现了一下,发现在社区检测任务上的效果真的不错。NeurIPS 2019:图上端到端的学习和优化End to end learning and optimization on graphsGitHub源码组合优化图中的很多问题都是组合优化问题,比如最大独立集、最小覆盖集、原创 2020-12-16 00:54:44 · 7704 阅读 · 32 评论 -
PyTorch图神经网络实践(五)链路预测
链路预测是网络科学里面的一个经典任务,其目的是利用当前已获取的网络数据(包含结构信息和属性信息)来预测网络中会出现哪些新的连边。本文计划利用networkx包中的网络来进行链路预测,因为目前PyTorch Geometric包中封装的网络还不够多,而很多网络方便用networkx包生成或者处理。环境配置首先,安装一个工具包,DeepSNAP。这个包提供了networkx到PyTorch Geometric的接口,可以方便地将networkx中的网络转换成PyTorch Geometric所要求的数据格原创 2020-11-02 22:40:44 · 21696 阅读 · 38 评论 -
PyTorch图神经网络实践(四)Node2Vec节点分类及其可视化
关于Node2Vec的介绍有很多了,这里就不细述。本文主要是介绍如何用PyTorch Geometric快速实现Node2Vec节点分类,并对其结果进行可视化。整个过程包含四个步骤:导入图数据(这里以Cora为例)创建Node2Vec模型训练和测试数据TSNE降维后可视化完整代码如下:import torchimport matplotlib.pyplot as pltfrom sklearn.manifold import TSNEfrom torch_geometric.data原创 2020-11-02 17:30:48 · 7006 阅读 · 9 评论 -
PyTorch图神经网络实践(三)使用基准图数据Cora进行半监督节点分类
通用基准图数据Pythorch Geometric还包含大量常见的基准数据集,例如所有的Planetoid数据集(Cora、Citeseer、Pubmed),所有来自http://graphkernels.cs.tu-dortmund.de和清理后的版本,QM7和QM9数据集,以及一些3D网格/点云数据集,如FAUST、ModelNet10/40和ShapeNet。初始化数据集很简单。数据集的初始化将自动下载其原始文件并将其处理为先前描述的数据格式。例如,要加载酶数据集(由6个类中的600个图形组成),原创 2020-10-21 22:01:30 · 5342 阅读 · 13 评论 -
PyTorch图神经网络实践(二)自定义图数据
文章目录数据类型简单案例创建一个图创建Data示例自带函数添加属性节点分类数据类型PyTorch Geometric定义了自己的数据类型。节点和节点之间的边构成了图。在PyTorch Geometric中,如果要构建图,那么需要两个要素:节点和边。PyTorch Geometric 提供了torch_geometric.data.Data 用于构建图,包括 5 个属性,每一个属性都不是必须的,可以为空。data.x: 用于存储每个节点的特征,形状是[num_nodes, num_node_feat原创 2020-10-09 00:01:26 · 17446 阅读 · 7 评论 -
PyTorch图神经网络实践(一)环境安装
文章目录安装环境创建虚拟环境安装pytorch1.6安装pytorch-geometric简单例子安装环境服务器配置ubuntu18.04anaconda3cuda10.0创建虚拟环境创建名为torch16的虚拟环境,指定python版本为3.6conda create -n torch16 python=3.6激活环境(base) wjw@Super-Server:~/projects$ conda activate torch16(torch16) wjw@Super-Ser原创 2020-10-01 18:55:16 · 2314 阅读 · 1 评论 -
Ubuntu安装TensorFlow 1.15
安装TensorFlow进入虚拟环境,查看python版本安装TensorFlow1.15,使用阿里云,清华镜像总是timeout失败了N遍安装完后检查一下是否能用cuda和gpu都可以用参考文献Ubuntu安装 TensorFlowGPU 1.15原创 2020-09-27 15:01:29 · 5713 阅读 · 0 评论 -
PyTorch图神经网络实践(六)组合优化问题
最近研究网络中的组合优化问题时,发现已经有研究人员将图神经网络用于求解此类问题,诸如寻找网络中的最大点独立集、最小点覆盖集、最大团等等,并找到了相关的源码,先马在这里,以后再抽时间介绍一下。NeurIPS 2019:用图卷积神经网络求解组合优化问题Exact Combinatorial Optimization with Graph Convolutional Neural Networks...原创 2019-12-24 15:03:33 · 7381 阅读 · 0 评论 -
图卷积网络详细介绍(三)
声明:本文翻译自Tobias Skovgaard Jepsen写在Medium上的博客文章,已获得其本人的许可;版权归原作者所有,未经同意请勿转载;文中带有“注”标记的内容为本人添加,以便阅读。原文链接:https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolutional-networ...翻译 2019-10-11 20:29:51 · 1798 阅读 · 0 评论 -
图卷积网络详细介绍(二)
本文为图卷积网络详细介绍(一)的完整代码实现。图卷积网络详细介绍(一)翻译自Tobias Skovgaard Jepsen写在Medium上的博客文章,该文用代码示例说明了如何通过GCN的隐藏层来传播信息,但是并没有给出完整的代码,尤其是最后的可视化部分。因此,本文给出了该文章案例对应的完整代码。import networkx as nximport numpy as npimport...原创 2019-10-11 17:40:24 · 1658 阅读 · 0 评论 -
图卷积网络详细介绍(一)
在图上进行机器学习是一项困难的任务,因为它的复杂性很高,同时也是由于信息丰富的图结构。这篇文章是关于如何用图卷积网络(GCNs)对图进行深度学习的系列文章中的第一篇。本文翻译自Tobias Skovgaard Jepsen写在Medium上的介绍文章,已经获得其本人的许可。翻译 2018-11-09 19:17:24 · 18085 阅读 · 25 评论