图神经网络七日打卡营学习心得

最新推荐文章于 2024-11-08 22:25:20 发布
最新推荐文章于 2024-11-08 22:25:20 发布
阅读量146 收藏
点赞数
文章标签： 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43889416/article/details/110318786
版权
本文详细介绍了图神经网络中的经典模型GCN，揭示了其信息传递的本质——邻接矩阵与特征的乘积。通过度矩阵解释了邻居节点对中心节点权重的影响。同时对比了GCN与GAT的区别，GCN使用固定权重，而GAT则采用自学习权重。内容源自七日打卡营课程，提供了丰富的学习资源链接，感谢讲师的辛勤付出。
摘要由CSDN通过智能技术生成

图神经网络七日打卡营学习心得

干货满满！

虽然没有具体介绍图神经网络谱域方法，但终于弄明白经典GCN模型与空域方法之间的联系。
在这里插入图片描述
GCN信息传递过程简化来看其实就是邻接矩阵与特征的乘积，对每个节点来说，也就是接收与其相邻节点的特征信息。如下图。
在这里插入图片描述
此外，不同邻居节点对中心节点起到的作用程度不同，需要为邻居赋予权重，那对于GCN来说，度矩阵就可以派上用场。
在这里插入图片描述
在这里插入图片描述
GCN模型中的权重以“度”来衡量，而GAT模型中的权重则可以通过自学习获取。

图
所有的图片都来自于七日打卡营的课程的ppt：
https://github.com/PaddlePaddle/PGL/tree/main/course

最后，感谢各位老师辛勤付出！

松松鼠
关注
百度PaddlePaddle深度学习七日打卡技术心得及笔记
12-21
在“百度PaddlePaddle深度学习七日打卡技术心得及笔记”中，参与者经历了一次丰富而系统的深度学习之旅。此次学习活动从Python基础开始，逐步深入到深度学习的实战应用，采用了一种互动性强、激励性强的学习模式，...
【paddlepaddle】《百度深度学习7日打卡营-Python小白逆袭AI大神》学习心得
12-21
就开始在AIStudio上学习相关的课程，也看到了很多往期的七天打卡营，自己认为自己不是一个学习比较自觉地人，所以一直想要参加打卡营，这样会给自己一个动力和约束。最后终于发现了这个打卡营。（这就是我与打卡营的...
百度图神经网络七日打卡营学习心得
PiPatel的博客
11-29 185
附上baidu图神经网络课程学习链接：https://aistudio.baidu.com/aistudio/education/group/info/1956 一直很信赖百度推出的深度学习七日打卡营活动，这一期的图神经网络课程也没有令大家失望。对于之前没有接触过图神经网络的我，算是对该领域有了一个基础性的了解。包括学习到了一些经典的图神经网络算法，例如GCN，GAT，以及百度的RRNIRsage算法。其中对GCN的算法印象比较深刻，是因为其中一个比赛环节用到最多的就是这个算法，虽然比赛排名不是很理想，有很
图神经网络七日打卡营课程学习心得
shiwy的博客
11-28 231
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...
图神经网络七日打卡营学习笔记及心得
weixin_51326521的博客
11-28 705
一级标题 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示； 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示； 全新的 KaTeX数学公式 语法； 增加了支持甘特图的mermaid语法1 功能； 增加了 多屏幕编辑 Markdown文章功能； 增加了
百度paddle图神经网络七日打卡营心得体会
weixin_44451812的博客
11-28 195
参加本次的图神经打卡营已经是第三次进行七日打卡营的学习了（前两次是目标检测和图像分割）。感觉自己了解的知识越来越多，并且相比于前两次，对模型的理解和代码的实操更加熟练。在讨论群中的老师、班主任、助教们以及学员们都很热情，大家有问题互相讨论，老师也耐心的为大家讲解遇到的疑问。 对于本次学习，由最初的paddle框架本地安装到代码实操以及中间的paddle常规赛比赛环节，都算是比较用心的完成每个部分，当然仍在存在一些不足，例如对代码的掌握还有一定的欠缺。 另外，对于本次学习中自己遇到的问题，在这里也做出一个总结
PaddlePaddle图像分割七日打卡营——学习心得
mrlnji的博客
10-26 718
PaddlePaddle图像分割七日打卡营——学习心得一、图像分割新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 课程地址 一、图像分割 首先介绍一些基本概念： 图像分割：把目标物体和背景区分开来 图像语义分割：不光要区分
百度 paddlepaddle 图神经网络7日打卡 pgl 学习心得
chunfeng0301的博客
11-29 227
百度 paddlepaddle 图神经网络7日打卡 pgl 学习心得 百度 强大的PGL，包含了图神经网络大量的资源，是图神经网络研究的利器。 需要pip install pgl 来安装。 包括 了 DeepWalk方法学习，DeepWalk方法源自word2vec，选择某一特定点为起始点，做随机游走得到点的序列，然后得到的序列视为句子，用word2vec来学习，得到该点的表示向量。 百度AIstudio课程强大，欢迎大家来学习！ 欢迎大家来学习！欢迎大家来学习！ https://aistudio.baid
百度图神经网络7日打卡营--DAY01前半部分 总结
TEDDY的博客
11-28 844
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...
图神经网络7日打卡营心得
Porhowlyuu的博客
11-29 173
图神经网络7日打卡营心得 deepwalk&node2vec游走算法 2.GCN+GAT 核心是send和recv 函数，通过两个函数实现消息传递机制。 GAT模型进一步考虑了邻节点对当前节点的重要程度。 GraphSage 采样部分 ：以某个节点为中心，按照距该节点的距离依次采样得到子图，作为训练数据 模型部分 ：提供了聚合函数实现，包括Mean，Maxpool，MeanPool和LSTM四种方式 训练部分 ：实现了数据读取、模型构建和模型训练部分。 采样：假设我们要利用中心节点的k
飞桨PaddlePaddle图像分割七日打卡营学习
qq_36639245的博客
10-26 284
飞桨PaddlePaddle图像分割七日打卡营学习欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎
Datawhale 组队学习打卡营 任务13：卷积神经网络基础
01-20
卷积神经网络（Convolutional Neural Networks，简称CNNs）是一种深度学习模型，特别适合处理图像数据。在卷积神经网络中，卷积层和池化层是核心组成部分。 卷积层是CNNs的主要特点，它通过应用二维卷积运算（也称...
Datawhale 组队学习打卡营 任务15：卷积神经网络进阶
01-06
目录 深度卷积神经网络（AlexNet） 1. AlexNet 2.载入数据集 ...神经网络的特征提取：通过学习得到数据的多级表征，并逐级表⽰越来越抽象的概念或模式。 神经网络发展的限制:数据、硬件 AlexNet #目前GPU算力
机器学习—神经网络如何高效实现
yn3535_的博客
11-05 237
图片左边是之前所看到的代码，将如何向前推进单层中的支撑或正向传播，输入W，第一个的重量，第二和第三神经元，假设参数b，这与之前的代码是一样的，这将输出三个数字。实现，所以计算Z，它现在又是一个矩阵，就像A和W之间的np.matmul，这里的A_in,W都是矩阵，Matt Mole是Numpy如何进行矩阵乘法，它将两个矩阵相乘，然后把矩阵B加进去，这里A_out等于激活函数g(Z)，这是一个Z状结肠函数，应用于矩阵z的元素，然后return A_out，这就是代码的样子，神经网络的矢量化实现是如何工作的。
C++builder中的人工智能（10）神经网络中的Sigmoid函数
最新发布
caridle的专栏
11-08 408
在这篇文章中，我们将探讨最受欢迎的激活函数之一——Sigmoid函数。我们将解释什么是Logistic函数，以及它与Sigmoid函数的区别，并展示如何在C++应用中使用这些函数。
用 Python 从零开始创建神经网络（二）
xzs1210652636的博客
11-08 730
本教程专为那些对神经网络已有基础了解、但尚未动手实践过的读者而设计。尽管网上充斥着各种教程，但很多内容要么过于简略，要么直接进入高级主题，让初学者难以跟上。本指南将带领你从零开始，用 Python 构建一个简单的神经网络模型，逐步拆解每一步，帮助你真正理解神经网络的工作原理，为今后的深入学习打下坚实基础。
用 Python 从零开始创建神经网络（一）
xzs1210652636的博客
11-08 389
本教程专为那些对神经网络已有基础了解、但尚未动手实践过的读者而设计。尽管网上充斥着各种教程，但很多内容要么过于简略，要么直接进入高级主题，让初学者难以跟上。本指南将带领你从零开始，用 Python 构建一个简单的神经网络模型，逐步拆解每一步，帮助你真正理解神经网络的工作原理，为今后的深入学习打下坚实基础。
从0开始机器学习--Day16--神经网络作业
Chef_Chen的博客
11-05 221
总结：在构建多元分类的模型中，方法就是将其转化为二元分类，再做循环计算，这样每次只需要将本身看做为0或1即可，注意其每次循环时要取概率最高的那次才有意义。用神经网络时，其结果有点过于理想了，怀疑是出现了过拟合现象。题目：构建逻辑回归模型来识别数字0-9。
每日LeetCode算法打卡记录与学习心得
描述中提到的“记录leetcode打卡”反映了当前流行的一种学习文化——打卡文化。打卡不仅可以记录自己的学习进度，也是一种自我监督和激励的方式。此外，打卡还可以分享给他人，形成社区交流，共同进步。 4. 系统...
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