![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GNN入门学习
文章平均质量分 84
XF永不007
这个作者很懒,什么都没留下…
展开
-
GNN系列(四):数据完全存于内存的数据集类
数据完全存于内存的数据集类InMemoryDataset基类简介在PyG中,通过继承InMemoryDataset类来自定义一个数据可全部存储到内存的数据集类。class InMemoryDataset(root: Optional[str] = None, transform: Optional[Callable] = None, pre_transform: Optional[Callable] = None, pre_filter: Optional[Callable] = None)InM原创 2021-06-27 23:11:10 · 238 阅读 · 0 评论 -
GNN系列(三):基于图神经网络的节点表征学习
基于图神经网络的节点表征学习通过节点分类任务来比较MLP和GCN, GAT(两个知名度很高的图神经网络)三者的节点表征学习能力。本部分学习包括:做一些准备工作,即获取并分析数据集、构建一个方法用于分析节点表征的分布。考察MLP用于节点分类的表现,并分析基于MLP学习到的节点表征的分布。逐一介绍GCN, GAT这两个图神经网络的理论、他们在节点分类任务中的表现以及它们学习到的节点表征的分布。比较三者在节点表征学习能力上的差异。准备工作获取并分析数据集from torch_geometric原创 2021-06-23 22:40:52 · 960 阅读 · 1 评论 -
GNN系列(二):消息传递图神经网络
消息传递图神经网络消息传递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,它将卷积算子推广到了不规则数据领域,实现了图与神经网络的连接。此范式包含三个步骤:(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。下方图片展示了基于消息传递范式的生成节点表征的过程:在图的最右侧,B节点的邻接节点(A,C)的信息传递给了B,经过信息变换得到了B的嵌入,C、D节点同。在图的中右侧,A节点的邻接节点(B,C,D)的之前得到的节点嵌入传递给了节点A;在图的中左侧,聚合得到的信息经过原创 2021-06-19 23:40:17 · 905 阅读 · 0 评论 -
GNN系列(一):简单图论&环境配置&PyG库
从零开始GNN—简单图论&环境配置&PyG库 图卷积神经网络(GCN)是近年兴起的基于图结构的广义神经网络结构,图论中抽象意义上的图可以来表示非欧几里得机构化数据。本小节从三个部分开始图神经网络的学习和介绍:图论概念引入所需环境搭建PyG相关库的学习一、图论部分 该部分主要介绍图的基本概念和基本的定义定理,这也是图与网络的基础。定义1:图(Graph) 一集元素及它们之间的某种关系。具体地说,图是一个二元组G={V,E}\mathcal{G}=\{\mathcal{原创 2021-06-15 00:12:05 · 445 阅读 · 3 评论 -
GNN系列(零):系列概述
从零开始入门GNN(一)task00:了解学习目标与熟悉规则学习目标本次学习只要包含以下几个方面:图论与程序中图的操作:通过简单的图论知识了解常规图预测任务,基于PyG包的图数据表示与使用实现图神经网络的通用范式,学习PyG中消息传递基类的属性,方法和运行流程节点表征学习与节点预测和边预测:学习基于图神经网络的节点表征学习的一般过程。超大图上节点表征学习,通过实践学习超大图节点的预测任务。图表征学习与图预测:包括基于图神经网络的图表征学习的一般过程,样本按需获取的数据集构造方法以及基于图表原创 2021-06-13 10:50:05 · 98 阅读 · 0 评论