![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GNN
文章平均质量分 94
小路转角处
这个作者很懒,什么都没留下…
展开
-
GNN-Datawhale-Task2
消息传递图神经网络一、引言在开篇中我们介绍了,为节点生成节点表征(Node Representation)是图计算任务成功的关键,我们要利用神经网络来学习节点表征。消息传递范式是一种聚合邻接节点信息来更新中心节点信息的范式,它将卷积算子推广到了不规则数据领域,实现了图与神经网络的连接。消息传递范式因为简单、强大的特性,于是被人们广泛地使用。遵循消息传递范式的图神经网络被称为消息传递图神经网络。本节中,首先我们将学习图神经网络生成节点表征的范式–消息传递(Message Passing)范式。接着我转载 2021-06-21 22:21:13 · 232 阅读 · 0 评论 -
GNN学习-Datawhale-Task1
环境配置与PyG中图与图数据集的表示和使用一、引言PyTorch Geometric (PyG)是面向几何深度学习的PyTorch的扩展库,几何深度学习指的是应用于图和其他不规则、非结构化数据的深度学习。基于PyG库,我们可以轻松地根据数据生成一个图对象,然后很方便的使用它;我们也可以容易地为一个图数据集构造一个数据集类,然后很方便的将它用于神经网络。通过此节的实践内容,我们将首先学习程序运行环境的配置。接着学习PyG中图数据的表示及其使用,即学习PyG中Data类。最后学习PyG中图数据集的转载 2021-06-16 23:35:58 · 223 阅读 · 0 评论