图卷积神经网络
文章平均质量分 88
小风_
致力于严谨、有趣的AI算法
展开
-
torch_geometric学习一,MessagePassing
安装版本# for windows10pip install torch==1.2.0 # 10.0 cuda 单卡GTX1660pip install torch_geometric==1.4.1pip install torch_sparse==0.4.4pip install torch_scatter==1.4.0pip install torch_cluster==1.4.5torch_geometricdebug模式with torch_geometric.debug():原创 2021-10-26 20:12:12 · 1669 阅读 · 2 评论 -
利用官方torch版GCN训练并测试cora数据集
cora数据集Cora数据集由2708份论文名称,及对应的特征向量组成,分成了七大类,分别是,Case_Based、Genetic_Algorithms、Neural_Networks、Probabilistic_Methods、Reinforcement_Learning、Rule_Learning、Theory。特征向量由1433个独特的单词组成,由01值描述,表示论文中这些单词的频数是否小于10,小于为0,大于为1。该数据集中,每一篇论文至少引用了该数据集里面另外一篇论文或者被另外一篇论文引用。数原创 2021-10-25 16:41:26 · 2659 阅读 · 2 评论 -
利用numpy实现GCNs的传递过程实例
0.引言CNN能够对欧式空间结构的数据进行处理,但无法很好的处理非欧式空间结构的数据,例如知识图谱、社交关系、生物分子结构等。而2016年提出的图卷积网络(Graph Convolutional Networks, GCNs),则可以很好的处理这些数据,并能够取得很好的效果。本文将利用numpy实现一个简易的图卷积网络,进而展示GCN如何从上一层聚集信息,以及该机制如何在图中生成有用的节点特征表示。注意:如果没有任何GCNs的基础,建议在阅读本文之前,先阅读GCNs介绍1.再谈GCNs在机器学习中,原创 2021-06-06 19:12:47 · 416 阅读 · 1 评论 -
图卷积网络(Graph Convolutional Networks, GCNs)
目录综述(Overview)大纲(Outline)图神经网络有多强大(How powerful are Graph Convolutional Networks?)最近的相关文献(Recent literature)GCNs 第一部分:定义(GCNs Part I: Definitions)GCNs 第二部分:一个简单的栗子(GCNs Part II: A simple example)GCNs 第三部分:嵌入空手道俱乐部网络(GCNs Part III: Embedding the karate club原创 2021-06-05 17:29:23 · 2347 阅读 · 0 评论