![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图神经网络
文章平均质量分 73
super尚
热爱学习的一枚研究僧
展开
-
MLP,GCN,GAT,GraphSAGE, GAE, Pooling,DiffPool
MLP GCN GAT区别与联系在节点表征的学习中:MLP节点分类器只考虑了节点自身属性,忽略了节点之间的连接关系,它的结果是最差的;而GCN与GAT节点分类器,同时考虑了节点自身属性与周围邻居节点的属性,它们的结果优于MLP节点分类器。从中可以看出邻居节点的信息对于节点分类任务的重要性。基于图神经网络的节点表征的学习遵循消息传递范式:在邻居节点信息变换阶段,GCN与GAT都对邻居节点做归一化和线性变换(两个操作不分前后);在邻居节点信息聚合阶段都将变换后的邻居节点信息做求和聚合;在中原创 2022-04-20 10:02:07 · 2471 阅读 · 0 评论 -
解决问题:RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available()
问题:Traceback (most recent call last): File "test.py", line 22, in <module> model = loadmodel() File "/home/joshuayun/Desktop/IBD/loader/model_loader.py", line 48, in loadmodel checkpoint = torch.load(settings.MODEL_FILE) File "/home/jo原创 2022-04-13 17:08:04 · 2788 阅读 · 0 评论 -
GraphSage模型解析
图卷积网络(GCN)的计算可以分为基于频域(Spectural)和基于空域(Spatial)两种方式。频域方法:图的频域卷积是在傅里叶空间完成的,我们对图的拉普拉斯矩阵进行特征值分解,特征分解更有助于我们理解图的底层特征,能够更好的找到图中的簇或者子图,典型的频域方法有ChebNet,GCN等。但是图的特征值分解是一个特别耗时的操作,具有 [公式] 的复杂度,很难扩展到海量节点的场景中。空域方法:空间方法作用于节点的邻居节点,使用 K\ K K 个邻居节点来计算当前节点的属性。基原创 2022-04-09 22:07:56 · 2545 阅读 · 0 评论