![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 52
Fwindyy
这个作者很懒,什么都没留下…
展开
-
简单理解Autoencoder(AE)、Variational AutoEncoder(VAE)、Graph Autoencoder(GAE)和VGAE
首先是自动编码器和图自动编码器。自动编码器的主要作用是学习一个东西的主要特征,从高维编码到低维,再从低维解码到高维。衡量编码和解码的好坏就是重构损失,也就是看原始向量和重构向量像不像,一般用交叉熵或者均方误差来衡量损失。而图自动编码器主要是用来学习图的主要特征,更具体来讲是学习每个节点的主要特征。在编码阶段,AE是用全连接层或者卷积层,GAE一般使用的是GCN进行编码,输入是邻接矩阵和节点的特征矩阵,当然特征矩阵也可以没有。在解码阶段有些不同,AE使用的是一个隐层,但是GAE直接用Z*Z的转置来还原图的邻.原创 2021-04-11 15:58:08 · 3273 阅读 · 2 评论 -
基于Tensorflow2_goemetric(tfg)的Graph Autoencoder(GAE)实现
import osimport tensorflow as tffrom tensorflow import kerasimport tf_geometric as tfgfrom tf_geometric.utils import tf_utilsfrom tf_geometric.utils.graph_utils import edge_train_test_split, negative_sampling# from sklearn.metrics import roc_auc_scor原创 2021-04-10 15:41:04 · 427 阅读 · 0 评论