【GNN】百度GNN7日打卡营心得

最新推荐文章于 2024-10-10 10:09:42 发布
最新推荐文章于 2024-10-10 10:09:42 发布
阅读量150 收藏
点赞数
文章标签： 图论
BevanWu所有
本文链接：https://blog.csdn.net/qq_41407979/article/details/110259867
版权
参与百度GNN7日打卡营，深入理解图论在图学习中的应用，涵盖DeepWalk、node2vec、GCN、GAT等模型，通过图采样与邻居聚合提升效率。体验百度自研ERNIESAGE与UniMP，完成相关项目任务，提升图神经网络实战能力。
摘要由CSDN通过智能技术生成

本次打卡营收获许多，了解到图更深层次的应用。许多算法的机理是简单的，却能有巨大的应用。

第一次课是对图论的复习以及图学习的一个初步介绍，我的学习笔记可见：
https://aistudio.baidu.com/aistudio/projectdetail/1259792

第二次课是对图游走类模型中的DeepWalk、node2vec、methpath2vec进行介绍。因为如果一幅图很大(节点、边数太多)，则在训练时若全部进行训练代价巨大，所以需要进行采样。我的学习笔记可见：
https://aistudio.baidu.com/aistudio/projectdetail/1266963

在这里插入图片描述
第三次课是对图神经网络算法中的GCN、GAT的学习，主要讲述了如何使用深度学习的概念进行图中节点、边的特征的泛化，更好地应用于实际应用之中，笔记见：
https://aistudio.baidu.com/aistudio/projectdetail/1271268

第四课是对图采样详解、邻居聚合、GraphSAGE的讲述，学习笔记见：
https://aistudio.baidu.com/aistudio/projectdetail/1275662

第五课是百度自研地ERNIESAGE和UniMP的学习，学习笔记见：
https://aistudio.baidu.com/aistudio/projectdetail/1279262

还有一些自己做的课程作业的项目，以下是网址：
Task1:https://aistudio.baidu.com/aistudio/projectdetail/1259886
Task2:https://aistudio.baidu.com/aistudio/projectdetail/1262774
Task3:https://aistudio.baidu.com/aistudio/projectdetail/1269923
Task4:https://aistudio.baidu.com/aistudio/projectdetail/1276017

最后是比赛的学习，有兴趣的同学可以来刷刷榜单。
https://aistudio.baidu.com/aistudio/competition/detail/59

BevnWu
关注
百度飞桨图神经网络7日打卡营学习心得
SSyangguang的博客
11-29 402
图卷积网络原理 首先可以利用节点特征进行关系预测、节点预测等任务。如果要将节点任务推广到图像领域，可以对图进行Graph Pooling操作，例如求和、均值、最大值等操作得到整张图的图特征，得到图特征之后就可以进行图相关的任务了，例如图匹配、图分类等。 图神经网络和游走模型的区别： 游走模型需要先训练得到embedding，再利用embedding做下游任务，如分类等。而图神经网络是端对端模型，边训练节点边做下游任务。 理解的图卷积网络三大问题： 如何从图像卷积类比到图结构卷积； .
百度图--神经网络7日打卡营--学习心得
LIYUO94的博客
11-28 620
一、百度神经网络7日打卡营课节 课节1：预习 课节2: 图学习初印象 课节3: 图游走类模型 课节4: 图神经网络算法（一） 课节 5: 图神经网络算法（二） 课节6: 图神经网络进阶模型 课程网页链接： 二、资源列表 直播回放链接：https://www.bilibili.com/video/BV1rf4y1v7cU ...
百度图神经网络7日打卡营--DAY01前半部分 总结
TEDDY的博客
11-28 818
首先很感谢百度AI团队这个平台，给大家请来世界级冠军来给大家做这一次的7日打卡营活动，还提供免费的GPU算力平台，以及成熟可用的包含刷新目前最权威的图神经ORB榜单的SOTA模型的 PGL图神经网络算法框架库，我对这几天上课的心得做一个总结，方便大家排坑。 2019年可以说是图神经网络开始兴起的一年，去年早就被各种炫酷的图神经网络技术吸引，既然是开篇，那我就先来介绍一下什么是图神经网络。 01 什么是图神经网络？ 1. 图和属性图 要了解图神经网络，首先要了解图。图是由节点和边组成的...
PGL七日打卡营心得
Ye_zen的博客
11-30 170
PGL七日打卡营心得 关于图神经网络 近年来，人们对深度学习方法在图上的扩展越来越感兴趣。在多方因素的成功推动下，研究人员借鉴了卷积网络、循环网络和深度自动编码器的思想，定义和设计了用于处理图数据的神经网络结构，由此一个新的研究热点——“图神经网络（Graph Neural Networks，GNN）”应运而生。 图神经网络（Graph Neural Networks，GNN），其主要可以分为五大类别分别是：图卷积网络（Graph Convolution Networks，GCN）、 图注意力网络（Grap
【飞桨PaddlePaddle】图神经网络7日打卡营心得
weixin_43848117的博客
11-28 197
PGL介绍 Paddle Graph Learning (PGL)是一个基于PaddlePaddle的高效易用的图学习框架。 为什么学习这门课 一直都在想学习图升级网络的相关知识，刚好遇到百度飞桨开了这么课，可以带我快速入门代码与理论知识，一举两得。实名制的幸运，百度这方面真心不错呀。 关于图神经网络 图神经网络（Graph Neural Networks，GNN），其主要可以分为五大类别分别是：图卷积网络（Graph Convolution Networks，GCN）、 图注意力网络（Graph Atte
图神经网络7日打卡心得
CalicoBox的博客
11-30 296
背景 要问这几年一直在逆势而上的技术有哪些？你一定不会忽略它——图神经网络。 相比传统神经网络，图神经网络的优势非常明显： 1、非顺序排序的特征学习：GNN的输出不以节点的输入顺序为转移的。 2、两个节点之间依赖关系的学习：传统的神经网络中，这种依赖关系只能通过节点的特征来体现。 3、推理能力：GNN能够从非结构化数据（例如:场景图片、故事片段等）中生成推理图。 因此，图神经网络在生物学、地图、金融、搜索、推荐、高能物理学到社会科学和经济学等领域的复杂关系建模和互动系统构建起到重要作用。例如，在
【百度飞桨】图神经网络7日打卡营——学习心得总结（一）
qq_45784025的博客
11-28 345
图神经网络7日打卡营——学习心得总结（一） 图神经网络综述引言1、课程大纲2、图学习入门路线3、课程基础4、资料推荐 引言 1、课程大纲 2、图学习入门路线 基础入门 基础概念 基本原理 经典算法复现 DeepWalk GCN GAT GraphSAGE 前沿论文阅读 顶会论文 3、课程基础 数学基础： 高等数学 线性代数 概率与数理统计 编程基础： Python：numpy Paddle：https://www.paddlepaddle.org.cn/document
图神经网络（PGL）7日打卡营学习心得
cgq081616的专栏
11-29 305
百度图神经网络学习地址：https://aistudio.baidu.com/aistudio/education/group/info/1956 PGL算法地址：https://github.com/PaddlePaddle/PGL 一、图学习应用有哪些： 二、图游走类型模型有哪些 1、Deepwalk 采样 对于给定的节点，DeepWalk会等概率的选取下一个相邻节点加入路径，直至达到最大路径长度，或者没有下一个节点可选。 因此, 假如我们想要得到一条walk, 我们需要输入一个
图神经网络七日打卡营课程学习心得
shiwy的博客
11-28 224
图神经网络在生物学、地图、金融、搜索、推荐、高能物理学到社会科学和经济学等领域的复杂关系建模和互动系统构建起到重要作用。例如，在社交软件Twitter 和 Facebook 等社交网络上取得了显著的成功。 在实际场景中，有大量的数据是在非欧式空间，限制了深度神经网络的应用。得益于图神经网络在非结构化数据上出色的处理能力，它在学界与工业界上大放光彩。然而，图神经网络模型目前仍处于前期高速发展期，面临着多项方法论和实践挑战。 图神经网络技术已被应用在百度内数十个实际项目中，大幅度提升公司效益。为了帮...
TWRData_analyze.rar_GNN MATLAB_GNN关联_gnn_跟踪滤波_跟踪算法
07-15
标题中的"TWRData_analyze.rar_GNN MATLAB_GNN关联_gnn_跟踪滤波_跟踪算法"揭示了这个压缩包文件包含的内容主要与一种基于图神经网络（GNN）的跟踪算法有关，该算法应用于MATLAB环境中，特别是针对数据分析任务。...
GNN之SimGNN源代码（可直接运行）（CCF-B）
01-15
GNN之SimGNN论文源代码（可直接运行）（CCF-B）《SimGNN: A Neural Network Approach to Fast Graph Similarity Computation》
GNN.rar_gnn_gnn java_聚集区域查询_近邻查询
09-23
标题中的"GNN.rar_gnn_gnn_java_聚集区域查询_近邻查询"表明这是一个关于图神经网络（GNN）在Java环境下实现的项目，重点在于优化聚集区域查询和近邻查询的方法。GNN是一种用于处理图数据的深度学习模型，它能够通过...
GNN github开源代码
05-06
人工智能（AI）最近经历了复兴，在视觉，语言，控制和决策等关键领域取得了重大进展。 部分原因在于廉价数据和廉价计算资源，这些资源符合深度学习的自然优势。 然而，在不同的压力下发展的人类智能的许多定义特征...
图神经网络实战（1）——图神经网络(Graph Neural Networks, GNN)基础
热门推荐
盼小辉丶的博客
01-02 7万+
本节全面介绍了图神经网络 (Graph Neural Network, GNN) ，包括其在数据分析和机器学习中的重要性。首先探讨了图作为数据表示的相关概念及其在各个领域的广泛应用；然后深入探讨图学习的重要性，包括不同的应用和技术。最后，重点介绍了 GNN 架构，并对比了它与其他方法之间的原理和性能差异。
图论day57|建造最大岛屿（卡码网）【截至目前，图论的最高难度】
最新发布
2402_84438596的博客
10-10 425
图论day57|建造最大岛屿（卡码网）【截至目前，图论的最高难度】
图论day55|深度优先搜索理论基础、98. 所有可达路径(卡码网）
2402_84438596的博客
10-07 1139
图论day55|深度优先搜索理论基础、98. 所有可达路径(卡码网）
每日“亿“题 东方博宜OJ 1424-自然数的分解
hjxxlsx的博客
10-05 454
1+1+11+2。
刷题 图论
seeaaan 的博客
10-06 423
邻接矩阵和 01 矩阵的区别，一个使用 unordered_set 标记是否走过，一个使用 visited 矩阵标记是否走过。从四周出发进行 bfs。
深度学习：GNN模型详解与应用
"GNN讲义pdf超详细" 在信息技术领域，图神经网络（GNN，Graph Neural Networks）已经成为一种非常重要的模型，特别是在处理非结构化数据，尤其是图数据时。GNN是一种深度学习框架，它能够对图的节点、边和整体结构...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值