GCN的使用和包的安装（超详细）

已于 2024-01-10 15:29:19 修改
阅读量825 收藏 11
点赞数 13
分类专栏： DeepLearning practice code 文章标签： 深度学习 神经网络 GCN
于 2024-01-09 10:05:42 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_54634272/article/details/135472016
版权

文章目录

1、工具包安装方法

首先进入官网，找到安装包的地址

在这里插入图片描述

进入后，找到自己的torch版本

在这里插入图片描述

进入后，将每种对应的包都下载到本地，用本地命令安装

比如，lib包，我的机器是python 3.7 linux_x86_64 ，则下载对应的最高版本的包
在这里插入图片描述

然后就是本地安装了

在这里插入图片描述

最后就是pip install pytorch_geometric

在这里插入图片描述

2、pytorch-geometric基本使用

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3、点分类任务

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

python-码博士
关注
专栏目录
深度学习实战35-图卷积神经网络GCN模型的搭建与应用
weixin_42878111的博客
06-05 1566
大家好，我是微学AI，今天给大家介绍一下深度学习实战35-图卷积神经网络GCN模型的搭建与应用，GCN是一种用于处理图结构数据的深度学习模型，它可以捕捉节点之间的拓扑关系和局部特征，并进行图级别的预测和分类任务。下面将介绍如何搭建并应用GCN模型。
GCN论文源码（pytorch）超级详细注释讲解！
01-20
这篇文章的代码非常经典，很值得学习，如有错误请指正 utils.py import numpy as np import scipy.sparse as sp import torch ''' 先将所有由字符串表示的标签数组用set保存，set的重要特征就是元素没有重复， ...
图神经网络学习(一)-GCN及其应用
rl小透明
05-26 5071
内容提要：GCN背景简介+torch_geometric库安装+GCN处理Cora数据集 1.图神经网络 1.1 概念 原有的卷积神经网络主要用来解决欧式空间中的数据（数据规整，形状固定），例如图像数据。 无法应对非欧式空间中的数据，例如图数据。 但是神经网络是规整的计算方式，所以图神经网络的目标就是，如何去用规整的神经网络去处理不规整的图数据。 1.2 应用场景 非欧数据的场景很多，如：社交网络，计算机网络，病毒传播路径，交通运输网络(地铁网络)，食物链，粒子网络(物理学家描述基本粒子生.
GCN 的使用解释：【10月3日我一定会整完的！】
qq_41764621的博客
10-03 638
我把我需要的链接都先放这一会整理：（1）tilde（~符号的含义和用法）：（2）
图神经网络教程之GCN(pyG)
weixin_45822638的博客
09-02 912
图神经网络的入门介绍之pyG包下的GCN的使用
GCN的搭建
A2321161581的博客
03-20 476
GCN构建
关于GCN的讲解视频
CaptureItTechnology的博客
07-17 1101
https://www.iqiyi.com/v_19rsbnebio.html
基于Pytorch分别实现CNN、GCN、FNN网络算法python源码+超详细注释.zip
07-01
基于Pytorch分别实现CNN、GCN、FNN网络算法python源码+超详细注释.zip基于Pytorch分别实现CNN、GCN、FNN网络算法python源码+超详细注释.zip基于Pytorch分别实现CNN、GCN、FNN网络算法python源码+超详细注释.zip基于...
GCN_linkprediction:在pytorch上使用GCN进行链接预测
04-09
在pytorch上使用GCN进行链接预测 项目说明 该项目旨在预测专利的cpc节点是否链接。 为了完成此项目，在pytorch上使用了Kipf的通用GCN模型。 专利在移动支付行业中爬行。 框架 在Google专利高级搜索中搜索“移动支付...
在Cora和Citeseer数据集上使用GCN网络实现链路预测
04-06
本项目专注于使用图卷积神经网络（GCN）在Cora和Citeseer数据集上执行链路预测。Cora和Citeseer是两个广泛使用的学术文献网络数据集，它们包含了节点（论文）和边（引用关系），非常适合用于图结构数据的分析和预测...
GCN学习.pdf
07-17
GCN图卷积神经网络笔记及PPT 项目组讨论班所用 适合入门
图卷积网络Graph Convolutional Network（GCN）的理解和详细推导.pdf
06-11
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导博客pdf 原博客链接：https://blog.csdn.net/yyl424525/article/details/100058264#comments_12499724
手把手教你：如何将ML_GCN用于自己的项目
foolishpeng的博客
05-04 4594
前言 最近的工作是做X线胸片疾病的多标签分类研究，使用Basline已经可以达到比较高的AUC指标了，最近在思考有没有其他的idea能够将AUC指标提升一下。一个可以提升地方是利用标签之间的关系信息，即每一种疾病之间都存在关联信息，我想要将该关联信息利用起来从而提升模型的性能，在经过一番搜索之后，找到了旷视发布的这篇论文《Multi-Label Image Recognition with G...
pytorch中GCN网络的安装（记录）
Bigger的博客
10-19 422
pytorch中GCN库的安装记录
GCNv2_SLAM-CPU详细安装教程(ubuntu18.04)
yangyu0515的博客
03-14 1328
GCNv2_SLAM-CPU详细安装教程(ubuntu18.04)
【linux学习笔记】02 gcc安装与使用
lynn_flame的博客
09-08 1342
gcc命令
python导入文件夹中的文件方法
m0_57201352的博客
12-11 137
从train-pvig导入pyramid_vig.py，pyramid_vig.py中引用了gcn_lib的内容，如果直接引用。运行报错 from gcn_lib import Grapher, act_layer。跟导入包from tqdm import tqdm一样。从pyramid_vig.py引用gcn_lib的内容。
NNG简介和使用总结
最新发布
qq_28576837的博客
08-22 817
ZeroMQ（简称ZMQ）是一个基于消息队列的多线程网络库，其对套接字类型、连接处理、帧、甚至路由的底层细节进行抽象，提供跨越多种传输协议的套接字。ZMQ不是单独的服务，而是一个嵌入式库，（按照TCP/IP划分），它封装了网络通信、消息队列、线程调度等功能，向上层提供简洁的API，应用程序通过加载库文件，调用API函数来实现高性能网络通信。
【GNN框架系列】DGL第一讲：使用Deep Graph Library实现GNN进行节点分类
【AI机器学习与知识图谱】的博客
05-22 2263
作者：CHEONG 公众号：AI机器学习与知识图谱 研究方向：自然语言处理与知识图谱 本文先简单概述GNN节点分类任务，然后详细介绍如何使用Deep Graph Library + Pytorch实现一个简单的两层GNN模型在Cora引文数据上实现节点分类任务。若需获取模型的完整代码，可关注公众号后回复：DGL第一讲完整代码 一、GNN节点分类概述 节点分类是图/图谱数据上常被采用的一个学习任务，既是用模型预测图中每个节点的类别。在GNN模型被提出之前，常用的模型如DeepWalk，Node2..
matlab使用GCN预测
08-24
你好！关于使用GCN（Graph Convolutional Network）在Matlab中进行预测，你可以按照以下步骤进行操作： 1. 数据准备：首先，你需要准备好用于GCN训练和预测的数据集。这个数据集应该是一个图结构的数据，包含节点和边的信息。 2. 构建图结构：在Matlab中，你可以使用Graph对象来表示图结构。通过添加节点和边，你可以构建一个表示你的数据的图。 3. 特征提取：对于每个节点，你需要提取特征。这可以是节点的属性或其周围节点的属性。你可以使用一些特征提取方法，如节点的度中心性、PageRank等。 4. 构建GCN模型：使用Matlab中的深度学习工具箱，你可以构建GCN模型。GCN模型由多个图卷积层组成，每个图卷积层都是由一个邻接矩阵和一个权重矩阵定义的。 5. 训练模型：使用你准备好的数据集和构建好的GCN模型，你可以进行模型训练。在训练过程中，你可以使用一些优化算法，如随机梯度下降（SGD）。 6. 预测：训练完成后，你可以使用训练好的GCN模型来进行预测。将需要预测的节点特征输入到GCN模型中，即可得到对应的预测结果。 需要注意的是，以上步骤只是一个简单的示例，实际使用GCN进行预测可能需要更多的处理和调整。你可以根据你的具体问题和数据集对以上步骤进行适当的修改和扩展。 希望这些信息对你有所帮助！如有任何进一步的问题，请随时提问。
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