从0到1实现GCN——最详细的代码实现

早睡早起困得早

已于 2023-08-16 11:00:47 修改

阅读量1.7w

点赞数 29

分类专栏：图神经网络

于 2022-11-16 15:33:23 首次发布

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_53961910/article/details/127856355

版权

pytorch 深度学习人工智能 python

最近论文中需要使用图卷积神经网络（GNN），看了一些关于GCN的代码，还有基于PyTorch Geometric Temporal的代码实现，在这里做一下记录。

GCN原始代码

关于GCN的原理在这里不进行过多阐述，其他文章里面解释的已经很详细了，这里就直接进入到代码的部分。GCN的公式如下：

$G C N(A, X)=\sigma\left(\widehat{D}^{-\frac{1}{2}} \hat{A} \widehat{D}^{-\frac{1}{2}} X W\right)$

其中 $A$ 为邻接矩阵； $X$ 为t时刻输入的节点的特征矩阵； $\widehat{D}^{-\frac{1}{2}} \hat{A} \widehat{D}^{-\frac{1}{2}}$ 是近似的图卷积滤波器，其中 $\hat{A}$ = $A$ + $I_{N}$ ( $I_{N}$ 是N维的单位矩阵)； $\hat{D}$ 是度矩阵； $W$ 代表需要神经网络训练的权重矩阵； $\sigma \left ( \cdot \right )$ 是激活函数Relu。

根据公式逐步实现GCN的代码如下：

def get_gcn_fact(adj):
    '''
    Function to

最低0.47元/天解锁文章

评论 8

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。