本系列项目主攻:代码分享与讲解、创新思路解析、前沿模块缝合及二次创新实现方法。
项目主要提供关于:
- 图神经网络
- 图对比学习
- 图结构学习
- 超图神经网络
- 超图对比学习
- 超图结构学习
这六种方向的通用模型、原创代码以及改进思路,供大家参考学习,后续还会持续更新各种下游任务的代码以及改进思路,帮助大家提升代码水平,多发论文。
希望可以帮助大家快速上手实践图神经网络,实践是最好的入门方式!
祝大家论文顺利,accept冲冲冲!
下期预告:手把手教你怎么修改某一论文代码,添加你想要的模块或想要实现的功能
新视频将很快上线,B站关注:图小狮 即可收到最新视频推送!
第5期:五种基础图增强方法
详细讲解视频:【图神经网络改进-手把手教你改代码-第5期】
项目Github:图小狮
如何使用?
在模型的forward方法中调用即可。这五种图增强方法的具体实现见github,逐行精讲详见视频
def forward(self, data):
x, edge_index, edge_attr = data.x, data.edge_index, data.edge_attr
x = self.conv1(x, edge_index, edge_attr).relu()
# edge_attr = adjust_edge_weights_by_similarity(x, edge_index, edge_attr)
# x = mask_node_features(x, mask_rate=0.1)
# x = perturb_node_features(x, noise_level=0.01)
# edge_index = remove_edges(edge_index, remove_rate=0.01)
# edge_index = add_edges(edge_index, x.shape[0])
x = F.dropout(x, p=self.dropout_rate, training=self.training)
x = self.conv2(x, edge_index, edge_attr)
return x
Powered By 图小狮
希望能够得到大家的喜欢,您的点赞收藏即是对我们最大的支持!