dgl教程

最新推荐文章于 2023-11-21 21:00:00 发布

VIP文章 qq_45812502

最新推荐文章于 2023-11-21 21:00:00 发布

阅读量192

点赞数

分类专栏：图学习文章标签：深度学习机器学习人工智能

本文链接：https://blog.csdn.net/qq_45812502/article/details/127605131

版权

import dgl
import torch
import torch.nn as nn
import torch.nn.functional as F

一、实现GCN节点分类

1.1 加载cora数据集

import dgl.data
# networkx
dataset = dgl.data.CoraGraphDataset()
print('Number of categories:', dataset.num_classes)

输出结果：
在这里插入图片描述

一个DGL对象是可以表示多图的，因此取出其中一个图的话就是需要索引的。
上图的中的train mask就表示哪一部分代表是训练集的。
对于qora这个数据集是只对点的特征属性用embedding表示，边的特征没有。
*

定义GCN网络架构

from dgl.nn import GraphConv

class GCN(nn.Module):
    def __init__(self, in_feats, h_feats, num_classes):
        super(GCN, self).__init__()
        self.conv1 = GraphConv(in_feats, h_feats)  #输入特征维度、输出隐藏层维度
        self.conv2 = GraphConv(h_feats, num_classes)
    
    def forward(self, g, in_feat):
        h = self.conv1(g, in_feat)
        h = F.relu(h)
        h = self.conv2(g, h)
        return h
    
# Create the model with given dimensions
model = GCN(g.ndata['feat'