![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
图神经网络-入坑
文章平均质量分 81
主要记录自己学习GNN时的收获,以及遇到的问题和解决方案!
GeekmanX
相濡以沫,不如相忘于江湖!
展开
-
Task08 总结
Task08 总结基本的图论知识、常规的图预测任务和PyG库的安装与使用: 在这一任务中,推荐大家用mini-conda的集成环境,如果使用纯pip环境,所使用的系统需要是Linux或Mac。实现图神经网络的通用范式,构建一个图神经网络: 在这一任务中,主要了解MessagePassing基类的运行流程,建议通过断点调试的方式,掌握propagate()、message()、aggregate()和update()函数的调用顺序与相关功能。基于图神经网络的节点表征: 在这一任务原创 2021-07-11 00:56:24 · 67 阅读 · 0 评论 -
Task07 图预测任务
Task07 图预测任务一、超大规模数据集类的创建数据集规模超级大,我们很难有足够大的内存完全存下所有数据。需要一个按需加载样本到内存的数据集类。1.1 Dataset基类通过继承torch_geometric.data.Dataset基类来自定义一个按需加载样本到内存的数据集类。还需要实现:len() 、get()方法。无需下载数据集原文件的情况,我们不重写(override)download方法即可跳过下载。对于无需对数据集做预处理的情况,我们不重写process方法即可跳原创 2021-07-09 23:23:15 · 134 阅读 · 0 评论 -
Task06 基于图神经网络的图表征学习方法
Task06 基于图神经网络的图表征学习方法一、基于图神经网络的图表征学习方法图表征学习要求在输入节点属性、边和边的属性(如果有的话)得到一个向量作为图的表征,基于图表征进一步的我们可以做图的预测。基于图同构网络(Graph Isomorphism Network, GIN)的图表征网络是当前最经典的图表征学习网络二、基于图同构网络(GIN)的图表征网络的实现先计算得到节点表征对图上各个节点的表征做图池化(Graph Pooling)(图读出(Graph Readout)) --&原创 2021-07-05 23:22:37 · 284 阅读 · 2 评论 -
Task05 超大图上的节点表征学习
Task05 超大图上的节点表征学习一、超大图节点表征学习面临的挑战随着图神经网络层数增加,计算成本呈指数增长的问题,面临着保存整个图的信息和每一层每个节点的表征到内存(显存)而消耗巨大内存(显存)空间的问题。也有不用把整个图的信息和每一层每个节点的表征放到GPU内存,但是有精度有损失,而且不利于提高内存利用率。二、Cluster-GCN为了解决普通方法无法训练超大图的问题,Cluster-GNN采取如下方法:利用图节点聚类算法将一个图的节点划分为ccc个簇,每一次选择几个簇的节点和这些原创 2021-07-02 00:25:04 · 143 阅读 · 0 评论 -
Task04 数据完全存于内存的数据集类&节点预测和链接预测
Task04 数据完全存于内存的数据集类&节点预测和链接预测一、InMemory数据集类为什么要将数据集存到内存?加速?占用内存有限的数据集,可以将其整个存于内存PyG中通过继承InMemoryDataset类来自定义一个数据可全部存于内存的数据集类class InMemoryDataset(root: Optional[str] = None, transform: Optional[Callable] = None, pre_transform: Optional[Ca原创 2021-06-28 00:09:13 · 150 阅读 · 0 评论 -
Task03 基于图神经网络的节点表征学习
Task03 基于图神经网络的节点表征学习一、节点表征节点表征是图节点预测或边预测任务的前奏用图神经网络来生成节点表征,并通过基于监督学习的对图神经网络的训练,使得图神经网络学会产生高质量的节点表征高质量的节点表征能够用于衡量节点的相似性,同时高质量的节点表征也是准确分类节点的前提。二、准备工作在数据输入神经网络之前修改数据,可以实现数据规范化或数据增强可视化节点表征import matplotlib.pyplot as pltfrom sklearn.manifold imp原创 2021-06-24 00:14:26 · 190 阅读 · 0 评论 -
Task02 消息传递图神经网络
Task02 消息传递图神经网络一、消息传递范式基本概念消息传递范式定义:基于神经网络的生成节点表征的范式是一种聚合邻接节点信息来更新中心节点信息的范式消息传递范式的三个步骤:(1)邻接节点信息变换(2)邻接节点信息聚合到中心节点(3)聚合信息变换消息传递范式描述: xi(k)=γ(k)(xi(k−1),□j∈N(i) ϕ(k)(xi(k−1),xj(k−1),ej,i))\math原创 2021-06-19 16:17:28 · 84 阅读 · 0 评论 -
Task01 简单图论与PyG库
1.GNN学习资源:课程CS224W课程资料作业及PPT 提取码:u1iz书籍:图深度学习(马耀)DataWhale开源资料2.简单图论与复杂网络2.1 复杂网络模型随机网世界网无标度网2.2图论中的基本概念(这里不赘述,只记录比较重要的概念)度行走路径最短路径: pstsp=argminp∈Pst∣p∣p_{\mathrm{s} t}^{\mathrm{sp}}=\arg \min _{p \in \mathcal{P}_{\mathrm{st}}}原创 2021-06-15 22:39:46 · 207 阅读 · 4 评论