关于GNN学习

最新推荐文章于 2024-11-09 09:59:40 发布
最新推荐文章于 2024-11-09 09:59:40 发布
阅读量899 收藏
点赞数
分类专栏： GNN学习 文章标签： pytorch
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/m0_47297216/article/details/122743228
版权

整体整理

小马过河

摸石过河这么长时间了，经过这么长一段时间的自学但是却毫无进展。深刻感受到这就是我一直以来自学如此效率低下的原因。
我需要系统性的学习，而不是碎片化的组装。
需要有整体的认知。

总结先前的路线
纠结于pyg与dgl
Paddle GNN入门
B站某不知名GNN教程
pyg官方文档阅读
看了很少一部分的dgl
cs224w
  • yysy，cs224w真的yyds
深度学习-10-深度学习发展简介
qq_20466211的博客
11-01 131
深度学习发展的几个阶段：严寒、复苏、寒冬、曙光。
GNN学习笔记
weixin_74152658的博客
07-18 332
我们将在 GNN 层中构建更精细的消息传递变体，从而产生具有更高表现力和功率的 GNN 模型。GNN的研究前沿在于“如何构建图”，为图注入额外的结构或关系。添加更多的消息传递的属性。类比体会感受野和特征学习的过程，gnn比较随意 但也是针对某点的邻居进行学习。通过池化，聚集各部分特征（sum，mean，avg），信息传递？1.对于每个结点，收集所有邻接点的embedding。2.图的整体，节点，边都能代表一个分类/回归问题。最后对图结果的处理比较多样，比较自由。消息传递的属性越多，模型性能越好。
GNN 学习记录
负负得正的博客
05-19 829
共同的邻居的问题在于度数高的点对就会有更高的结果，Jaccard的系数是其归一化后的结果。缺点：这种方式的问题在于没有考虑两个点邻居的重合度（the degree of neighborhood overlap），如B-H有2个共同邻居，B-E和A-B都只有1个共同邻居。类似于SVM的核函数，定义好以后，通过核函数矩阵的映射，就可以按照之前的方式来处理了。由已知的节点去预测未知节点，称作半监督节点分类问题（训练时用到了未标记节点的特征）邻接矩阵的k次幂结果，每个元素就是对应点对之间长度为k的路径的条数。
Point- GNN学习
安壑的耕地
03-15 1505
Point- GNN源码学习 Point- GNN源码学习Point- GNN源码学习一、环境搭建1. 了解Windows环境2. 配置Point- GNN的环境3.数据集配置数据集的介绍二级目录三级目录 一、环境搭建 因为是第一次使用Windows+GPU进行实验，所以补充了很多的基础知识。 1. 了解Windows环境 conda是已经安装过了的，在Windows中打开Anaconda Prompt，输入命令nvidia-smi 查看显卡信息： 使用命令conda env list 查看本机conda
图形神经网络GNN学习笔记_ GNN_Learning.zip
10-03
图形神经网络GNN学习笔记_ GNN_Learning
DeepMind：用 GNN 学习通用推理算法.rar
10-18
通过GNN学习这样的算法，DeepMind可能的目标是创建一个更加灵活和适应性强的AI系统，能够在新环境中快速理解和解决问题，而不必为每个特定任务重新训练。 NLP（自然语言处理）的引入意味着该研究可能也关注如何将...
DeepMind：用 GNN 学习通用推理算法.pdf
08-12
《DeepMind：用GNN学习通用推理算法》这篇论文展示了DeepMind如何利用图神经网络（GNN）构建一个通用的神经算法学习器，该学习器能够处理多种算法任务并实现分布外泛化（OOD）。传统的深度学习模型在感知任务上表现...
GNN学习
qq_40282662的博客
09-30 549
GNN模型 《The Graph Neural Network Model 》是第一个提出GNN的论文，将神经网络使用在图结构上。 1. GNN用来解决什么问题 对于图领域问题，假设存在函数τ\tauτ，输入图结构GGG和其中的一个节点nnn，输出是一个实值向量： τ(G,n)∈Rm\tau(G,n) \in R^{m}τ(G,n)∈Rm 图相关的问题主要可以分为两种类型： 专注于图的应用(graph-focused)：函数τ\tauτ和具体的节点无关，即τ(G)\tau(G)τ(G)，训练时，在一个图
Achronix - 机器学习实战：GNN（图神经网络）加速器的FPGA解决方案
01-20
【GNN（图神经网络）】是机器学习领域的一个重要分支，它专门处理非欧氏数据，即数据之间存在复杂依赖关系的图结构。在传统的机器学习任务如图像分类、语音识别中，数据多为欧氏数据，具有固定的维度和顺序。而GNN则...
GL-GNN：通过图网络进行图学习
09-20
论文分享ppt
实战| 使用深度学习分割和计算水体和农田面积【Pytorch附源码】
阿旭的博客
11-05 677
实战| 使用深度学习分割和计算水体和农田面积【Pytorch附源码】
【GCN】 代码详解 (1) 如何运行【pytorch】可运行版本
WANGYANG的博客
11-05 1287
在前文中，已经对图卷积神经网络（Graph Convolutional Neural Networks, GCN）的理论基础进行了深入探讨。接下来的章节将会进入新的阶段，将借助PyTorch，这一强大的深度学习框架，通过实战讲解来展示如何构建和训练一个图卷积神经网络。这一过程不仅将帮助读者巩固理论知识，更重要的是，它将引导读者迈出理论到实践的关键一步，从而在处理具有图结构数据的问题上实现质的飞跃。在本章节中，我将主要介绍如何运行代码以获取计算结果。
通过pin_memory 优化 PyTorch 数据加载和传输:工作原理、使用场景与性能分析
deephub
11-09 4146
在数据密集型、GPU 加速的训练领域,即使是小的优化也能产生显著的性能提升。以下是何时以及如何使用高吞吐量 GPU 训练:处理大型数据集时,启用,因为它可以加速数据从 CPU 到 GPU 的传输。多 GPU 或分布式训练:在需要高效数据传输的多 GPU 设置中,此设置尤其有益。低延迟或实时应用:当最小化延迟至关重要时,与相结合可以优化管线。尝试的不同值,同时测试pin_memory和设置,并使用分析工具衡量它们对数据传输速度的影响。虽然。
Ascend Extension for PyTorch是个what？
xyz3120的专栏
11-08 909
Ascend Extension for PyTorch 插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾AI处理器的超强算力。项目源码地址请参见LINK。昇腾为基于昇腾处理器和软件的行业应用及服务提供全栈AI计算基础设施。您可以通过访问昇腾社区，了解关于昇腾的更多信息。
使用Pytorch Geometric建立异构图HeteroData数据集
qq_41413211的博客
11-06 139
点和边对应的值（如[1,3] 或 torch.randn(1,2)）会各自存在stores和edges_stores下，一般存储的类型是tensor，这里为了方便对比学习，在这用了一个数组。类似字典，.point会使得data内部的keys增一个'point'，key叫什么可以自己定义。data['user']会使得data内部node_types增加'user'
pytorch torch.tile用法
最新发布
2301_77549977的博客
11-09 174
是 PyTorch 中用于重复张量的函数。它可以沿指定的维度重复张量的元素。以下是一个示例代码，展示 tile。的张量，其中每个批次都包含原始的 weight_hh。这样，w_hh_batch。指定各维度分别重复多少次。
第J9周：Inception v3算法实战与解析（pytorch版）
weixin_43414521的博客
11-04 723
- **🍨 本文为[]中的学习记录博客**>- **🍖 原作者：[]**了解并学习InceptionV3相对与InceptionV1有哪些改进的地方使用Inception完成天气识别。
nvlink 训练笔记
jacke121的专栏
11-05 321
nvlink 训练笔记
PyTorch 2.0: 新特性与升级指南
wuinb的博客
11-06 406
PyTorch 2.0 是 PyTorch 的最新版本，它保留了之前版本的即时执行模式（eager mode），同时引入了一个全新的编译模式。这个编译模式通过函数实现，有潜力显著提升模型的训练和推理速度。PyTorch 团队认为这个版本引入的新特性足以改变用户使用 PyTorch 的方式，因此决定将其命名为 2.0 而不是 1.14。
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