图机器学习
文章平均质量分 90
图神经网络,图机器学习系统相关知识
kang0709
这个作者很懒,什么都没留下…
展开
-
【图神经网络】PyG的MessagePassing机制实现
参考文章:https://zhuanlan.zhihu.com/p/397560946原创 2021-08-08 15:05:09 · 1920 阅读 · 1 评论 -
【图神经网络】GNN 图神经网络相关知识点
关键问题1,GCN是否可以用于有向图?图卷积分为两大类,一类是基于谱方法(spectral methods),就是将图信号进行傅里叶变换在频域进行研究,以GCN为代表的模型,但是谱方法有一个理论要求就是拉普拉斯矩阵L要求为对称矩阵,L = D-A,即图为无向图才能满足;二类,是基于空域的研究方法(spatial methods),以GraphSage为代表的模型,空域是不分有向图和无向图的,均可以计算;因此从理论上来说GCN是不能用于有向图的,但是从代码实现层面上来看是可以的,gcn代码的实现层原创 2021-07-11 19:35:13 · 2194 阅读 · 0 评论 -
【图神经网络】GraphSAGE 无监督训练源码剖析
概述本教程主要介绍pytorch_geometric库examples下的graph_sage_unsup.py的源码剖析,主要的关键技术点,包括:如何实现随机采样的? SAGEConv是如何训练的?关键问题1,随机采样和采样方向的问题(有向图)首先要理解的是,采样的过程和特征聚合的过程是相反的,采样的过程,比如,如下图所示,先采样A节点的一阶邻域节点,再根据一阶采样得到的节点进行二阶采样,是一个从左到右的采样过程,而在特征聚合消息传递的时候是先从二阶节点开始聚合,逐步收敛到目标节点原创 2021-07-11 19:29:56 · 5852 阅读 · 7 评论