![74d642823c2d54658e73679f22396d79.png](https://img-blog.csdnimg.cn/img_convert/74d642823c2d54658e73679f22396d79.png)
本次课程基于百度AI studio,主要是图神经网络方面的快速入门。
课程链接:
Baidu AI Studio -图神经网络7日打卡营aistudio.baidu.com“万物皆可图”,本次课程跟随小斯妹老师,学习到了如何从零使用Paddle.PGL框架搭建一个图神经网络。
下面看下课程内容(干货满满)
大纲
一、图学习初印象
图学习概述、入门路线
作业:安装环境,跑通 example 代码。
二、图游走类模型
DeepWalk、node2vec、metapath2vec、metapath2vec 变种模型
实践:DeepWalk代码解析
作业:以填空的方式完成 node2vec 模型复现
三、图神经网络算法(一)
GCN、GAT、消息传递机制
实践:GCN代码解析
作业:以填空的方式完成 GAT 模型复现
四、图神经网络算法(二)
图采样技术、图聚合技术
实践:讲解 GraphSage 代码
作业:以填空的方式完成GraphSage模型复现
五、图神经网络进阶模型讲解
ERNIESage、UniMP
实践:ERNIESage代码讲解
大作业:完成比赛
六、新冠疫苗项目拔高实战,助力疫情防控!
下面重点分享下GCN算法:
1.图像卷积,类比到图结构卷积,采用消息传递方式
![5e6c31dcbb2a65162104433cab507014.png](https://img-blog.csdnimg.cn/img_convert/5e6c31dcbb2a65162104433cab507014.png)
2.图卷积网络计算公式
![e6f58f50a5aaf518938d50c2796da922.png](https://img-blog.csdnimg.cn/img_convert/e6f58f50a5aaf518938d50c2796da922.png)
![b7a7a7ef61ad387ea60d63c53848f2b6.png](https://img-blog.csdnimg.cn/img_convert/b7a7a7ef61ad387ea60d63c53848f2b6.png)
3.AH公式的物理含义:
![7d18188356edebaf342379e58681986b.png](https://img-blog.csdnimg.cn/img_convert/7d18188356edebaf342379e58681986b.png)
4.增加权重D:
![78aeb5034be792c2fb955316981130d5.png](https://img-blog.csdnimg.cn/img_convert/78aeb5034be792c2fb955316981130d5.png)
5.在PGL中Message passing 代码实现
![273b9ce4e178515b311093fc636e07f5.png](https://img-blog.csdnimg.cn/img_convert/273b9ce4e178515b311093fc636e07f5.png)
6.GCN算法全流程
第一步:
![1bcc1edf12e27ab90be2747a4d970809.png](https://img-blog.csdnimg.cn/img_convert/1bcc1edf12e27ab90be2747a4d970809.png)
第二步:
![1b5f8368ab291711a27cc77b4aa761dd.png](https://img-blog.csdnimg.cn/img_convert/1b5f8368ab291711a27cc77b4aa761dd.png)
第三步:
![24d45a25a667c4c4d9a022d3aedbe893.png](https://img-blog.csdnimg.cn/img_convert/24d45a25a667c4c4d9a022d3aedbe893.png)
第四步:
![5e3db44ff4a708440b28a2c9e253cf2c.png](https://img-blog.csdnimg.cn/img_convert/5e3db44ff4a708440b28a2c9e253cf2c.png)
最后给小伙伴们强力推荐7日打卡营这一系列课程,干货很多!虽然难度不小但慢慢学总会有收获哒~附上课程链接:
Baidu AI Studio - 人工智能学习与实训社区aistudio.baidu.com