![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
DGL
文章平均质量分 78
DGL相关
huanghelouzi
研究兴趣:图神经网络和差分隐私。
公众号:图神经网络GNN
展开
-
使用DGL编写GNN模块
使用DGL编写GNN模块有时我们构建的模型不仅仅是简单地堆叠现有的GNN模块,而是需要构建满足自己任务需求的GNN模块。如:我们想发明一种通过考虑节点重要性或边权重来聚合邻居信息的新方法。通过本文我们可以:理解 DGL信息传递API(DGL’s message passing APIs)自己实现GraphSAGE卷积模块阅读本文我们需要先学习the basics of training a GNN for node classification或者使用DGL完成节点分类任务。GNN和消息传递原创 2021-05-06 21:21:43 · 1385 阅读 · 26 评论 -
DGL中图(Graph)的相关操作
DGL中图(Graph)的相关操作通过文本,你可以学会以下:使用DGL构造一个图。为图指定节点特征和边特征。查询DGL图的相关属性,例如节点度。将DGL图转换为另一个图。使用加载并保存图。使用DGL创建图DGL将有向图(此处假设为同构图)表示为一个DGLGraph对象。我们可以通过指定图中的节点数量(可选)、源节点和目标节点列表来构造图,图中节点id从0开始且为连续的整数。例如,以下代码构造了一个有5个叶子结点的有向星型图(类似五角星),其中中心节点的ID为0。import dgl原创 2021-05-06 11:30:42 · 8403 阅读 · 7 评论 -
使用DGL完成节点分类任务
节点分类任务概述节点分类(node classification)任务是在图数据处理中最流行任务之一,一个模型需要预测每个节点属于哪个类别。在图神经网络出现之前,用于结点分类任务的方法可归为两大类:仅使用连通性(如DeepWalk或node2vec)简单地结合连通性和节点自身的特征相比之下,GNNs是一个通过结合局部邻域(广义上的邻居,包含结点自身)的连通性及其特征来获得节点表征的方法。Kipf等人将节点分类问题描述为一个半监督的节点分类任务。图神经网络只需要一小部分已标记的节点,即可准确地原创 2021-05-05 21:11:11 · 2897 阅读 · 53 评论 -
图神经网络框架DGL教程-第1章:图
第1章:图图表示实体(节点)和它们的关系(边),其中节点和边可以是有类型的 (例如,"用户" 和 "物品" 是两种不同类型的节点)。 DGL通过其核心数据结构 DGLGraph 提供了一个以图为中心的编程抽象。 DGLGraph 提供了接口以处理图的结构、节点/边 的特征,以及使用这些组件可以执行的计算。1.1 关于图的基本概念图是用以表示实体及其关系的结构,记为 G=(V,E)G=(V,E)G=(V,E) 。图由两个集合组成,一是节点的集合 VVV ,一个是边的集合 EEE 。 在边集 EEE 中,转载 2021-05-03 16:41:45 · 1743 阅读 · 2 评论 -
图神经网络框架DGL教程-第2章:消息传递范式
第2章:消息传递范式消息传递是实现GNN的一种通用框架和编程范式。它从聚合与更新的角度归纳总结了多种GNN模型的实现。消息传递范式假设节点 vvv 上的的特征为 xv∈Rd1x_v\in\mathbb{R}^{d_1}xv∈Rd1,边 (u,v)(u,v)(u,v) 上的特征为 we∈Rd2w_{e}\in\mathbb{R}^{d_2}we∈Rd2。 消息传递范式 定义了以下逐节点和边上的计算边上计算: me(t+1)=ϕ(xv(t),xu(t),we(t)),(u,v,e)∈E转载 2021-05-04 14:01:59 · 1966 阅读 · 3 评论 -
图神经网络框架DGL教程-第3章:构建图神经网络(GNN)模块
第3章:构建图神经网络(GNN)模块DGL NN模块是用户构建GNN模型的基本模块。根据DGL所使用的后端深度神经网络框架, DGL NN模块的父类取决于后端所使用的深度神经网络框架。对于PyTorch后端, 它应该继承 PyTorch的NN模块;对于MXNet后端,它应该继承 MXNet Gluon的NN块; 对于TensorFlow后端,它应该继承 Tensorflow的Keras层。 在DGL NN模块中,构造函数中的参数注册和前向传播函数中使用的张量操作与后端框架一样。这种方式使得DGL的代码可以转载 2021-05-04 14:23:51 · 1469 阅读 · 0 评论 -
图神经网络框架DGL教程-第4章:图数据处理管道
第4章:图数据处理管道DGL在 dgl.data 里实现了很多常用的图数据集。它们遵循了由 dgl.data.DGLDataset 类定义的标准的数据处理管道。 DGL推荐用户将图数据处理为 dgl.data.DGLDataset 的子类。该类为导入、处理和保存图数据提供了简单而干净的解决方案。4.1 DGLDataset类DGLDataset 是处理、导入和保存 dgl.data 中定义的图数据集的基类。 它实现了用于处理图数据的基本模版。下面的流程图展示了这个模版的工作方式。即Check转载 2021-05-04 16:28:38 · 2011 阅读 · 1 评论 -
图神经网络框架DGL教程-第5章:训练图神经网络
第5章:训练图神经网络本章通过使用 第2章:消息传递范式 中介绍的消息传递方法和 第3章:构建图神经网络(GNN)模块 中介绍的图神经网络模块, 讲解了如何对小规模的图数据进行节点分类、边分类、链接预测和整图分类的图神经网络的训练。本章假设用户的图以及所有的节点和边特征都能存进GPU。对于无法全部载入的情况,请参考用户指南的 第6章:在大图上的随机(批次)训练。后续章节的内容均假设用户已经准备好了图和节点/边的特征数据。如果用户希望使用DGL提供的数据集或其他兼容 DGLDataset 的数据(如 第转载 2021-05-05 16:07:12 · 2305 阅读 · 6 评论 -
图神经网络框架DGL教程-第6章:在大图上的随机(批次)训练
还没有看。第6章:在大图上的随机(批次)训练转载 2021-05-05 16:55:49 · 743 阅读 · 0 评论 -
图神经网络框架DGL教程-第7章:分布式训练
留空,暂时还没有看第7章:分布式训练转载 2021-05-05 16:57:26 · 531 阅读 · 1 评论