【百度飞桨】图神经网络7日打卡营——学习笔记

最新推荐文章于 2024-09-10 11:45:26 发布
最新推荐文章于 2024-09-10 11:45:26 发布
阅读量290 收藏 1
点赞数
文章标签： 神经网络 深度学习 机器学习
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_46395185/article/details/110284438
版权

【百度飞桨】图神经网络7日打卡营——学习笔记

图神经网络现在是非常火的领域，不仅仅在学术界，还是在应用方面。由于图具有很强的表达能力，且图作为非欧几里得空间数据在生活中广泛存在，因此这也促进了更多的研究者进行图神经网络的学习。以下是跟随【百度飞桨】图神经网络7日打卡营的学习笔记与心得。课程连接

课程目录

1.预习

  • 第一课-Python快速入门
  • 第二课-Notebook基础操作
  • 第三课-PaddlePaddle快速入门
  • PGL系列前置教程：图与图学习（上）
  • PGL系列前置教程：图与图学习（中）
  • PGL系列前置教程：图与图学习（下）

2.图学习初印象

  • 图学习初印象
    此部分是基础部分，介绍一些基础概念和基本原理，有助于后面知识的了解。图神经网络学习需要的基础：
    1、数学基础
    1.1 高等数学
    1.2 线性代数
    1.3 概率与数理统计
    2、编程基础
    2.1 python：numpy
    2.2 Paddle
    3、机器学习基础
    3.1 神经网络
    在这里插入图片描述
    在这里插入图片描述

  • 案例与补充
    在这里插入图片描述

3.图游走类模型

  • deepwalk与node2ve
    在这里插入图片描述
    在这里插入图片描述
  • methpath2vec及其变种
    在这里插入图片描述
  • 实践与预告
    DeepWalk游走代码讲解

4.图神经网络算法（一）

  • GCN
    在这里插入图片描述
  • GAT与Message Pass
    在这里插入图片描述
    在这里插入图片描述

5.图神经网络算法（二）

  • 图采样详解
    在这里插入图片描述

在这里插入图片描述

  1. 邻居聚合
    在这里插入图片描述
  2. GraphSage实践

6.图神经网络进阶模型

  1. PGL节点分类基线系统

  2. PGL节点分类基线系统-大神修改版

  3. ERNIESage上
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  4. ERNIESage下+UniMP
    在这里插入图片描述
    在这里插入图片描述

  5. ERNIESage代码解析
    此部分对代码的核心部分进行了讲解

心得体会

1、学习与实践才能是掌握一门知识的最好方法，之前自己学习的时候一直停留在学习阶段，没有实践。通过这几天的打卡学习和按时提交作业，能够对知识进行很好的运用，能够加深对知识的理解。
2、了解了关于图神经网络哪些地方还可以深入研究，对于学术小白来说极其友好

你的名字含有违规
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
百度图--神经网络7日打卡营--学习心得
LIYUO94的博客
11-28 602
一、百度神经网络7日打卡营课节 课节1：预习 课节2: 图学习初印象 课节3: 图游走类模型 课节4: 图神经网络算法（一） 课节 5: 图神经网络算法（二） 课节6: 图神经网络进阶模型 课程网页链接： 二、资源列表 直播回放链接：https://www.bilibili.com/video/BV1rf4y1v7cU ...
百度飞桨PaddlePaddle图像分割7日打卡营入门及心得
weixin_45256588的博客
10-26 775
课程安排前言一、paddlepaddle与图像分割1.paddlepaddle介绍2.什么是图像分割？二、课程内容1.预习内容2. 图像分割DAY1DAY2DAY3DAY4DAY5DAY6总结 前言 这次的百度飞桨图像分割7日打卡营是一次难得的对于图像分割的入门学习，之前的对于python的学习比较基础，图像识别这一块也比较难懂，这次的课程有顶会技术大牛的讲解，在学习过程中对于图像处理和分割有了一些入门知识掌握，很开心可以打卡完并结营。下面的内容就简要的总结一下这几天的学习内容吧！ 一、paddl..
百度PGL图神经网络7日打卡营Task3：GCN+GAT
zpc1219的博客
11-29 1916
第三课：图神经网络算法（一） 本次作业内容：实现GCN模型和GAT 模型的send和recv 函数。 # 安装依赖 # !pip install paddlepaddle==1.8.5 !pip install pgl -q 1. GCN模型 paddle官网查看相关API的用法。 注：这里我们给出的是简化版本的 GCN 模型，完整的 GCN 代码可查看: https://github.com/PaddlePaddle/PGL/blob/main/pgl/layers/conv.py#L27 GCN部分原
百度AIstudio图神经网络七日打卡营笔记
qq_31064397的博客
11-29 354
GNN（图神经网络）的相关研究越来越热，也已经有很多非常成熟的GNN算法成功落地到工业界，而国内的百度就是在这一方面是走在前列的。不仅有顶会文章，刷榜的模型，还有各种落地的场景，所以这个训练营的含金量绝对不是问题。 正如我们在数据结构课程中会学习的图一样，图是由一些边和节点组成的数据结构。以及之前学过的深度优先和广度优先算法在GNN中也会有所涉及。 图的基本表示方法 图 G=(V, E) 构成要素： 节点（verticle）：V=1,…,n； 边：E⊆V×V； 边 (i,j) ∈ E 连接了节点 i 和 j
图神经网络七日打卡营学习心得
weixin_44796945的博客
11-28 426
图神经网络七日打卡营学习心得1、学习内容总结Day1：图学习出印象1.1、图学习背景介绍1.2、 图学习任务分类1.3、图学习算法分类1.4、配置环境实例Day2：图游走类算法2.1目标2.2引入——Word2vec介绍Skip—GramNegative samplingWord2ve：整体框架2.3图游走模型2.3.1 DeepWalk2.3.2、node2vec2.3.4 meatpath2vecDay3：图神经网络算法（一）3.1图卷积神经网络（GCN）3.1.1图结构卷积3.1.2图卷积神经网络总结
百度图神经网络七日打卡营学习心得
PiPatel的博客
11-29 171
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
百度飞桨学习——七日打卡作业(一)
12-21
在这个“百度飞桨学习——七日打卡作业(一)”中，我们主要关注的是如何使用Python编程语言输出9*9的乘法口诀表，并解决在print函数中换行的问题。这是一个基础的编程任务，旨在练习循环遍历和字符串格式化的技巧。 ...
百度飞桨图像分割七日打卡营学习笔记
qq_40680731的博客
10-26 996
百度飞桨图像分割七日打卡营学习笔记 1. 图像分割概念： 图像分割是计算机视觉中除了分类和检测外的另一项基本任务，它意味着要将图片根据内容分割成不同的块。相比图像分类和检测，分割是一项更精细的工作，因为需要对每个像素点分类，如下图的街景分割，由于对每个像素点都分类，物体的轮廓是精准勾勒的，而不是像检测那样给出边界框。 图像分割可以分为两类：语义分割（Semantic Segmentation）、实例分割（Instance Segmentation）和全景分割（Panoptic Segmentation）。区
飞桨深度学习学院 百度深度学习7日打卡第六期：Python小白逆袭大神 结营心得
12-21
在飞桨深度学习学院的百度深度学习7日打卡第六期活动中，参与者们经历了从Python小白到逐渐掌握深度学习基础知识的转变。课程设计丰富多样，涵盖了从人工智能基础到实践应用的多个层面，旨在帮助学员快速入门并提升...
图神经网络7日打卡营-学习心得-20201128
CCToWind的博客
11-28 125
图神经网络7日打卡营-学习心得-20201128 通过几天的夜间直播课学习，感觉收获多多： 深入浅出 ，课程讲解由易入难，层次清晰，极易理解； 作业容易，紧贴课程内容，容易级别的作业帮助克服畏惧心里； 抽奖多多，活跃气氛，吸引学生；不好的是总要好听显眼的ID才可能抽到。 大佬，亲临指导，大家起立鼓掌。同志们辛苦了！！！为人民服务！！！ 为了达到结业标准，还要写了篇心得，不容易啊。 ...
百度飞桨图神经网络7日打卡营学习心得
SSyangguang的博客
11-29 396
图卷积网络原理 首先可以利用节点特征进行关系预测、节点预测等任务。如果要将节点任务推广到图像领域，可以对图进行Graph Pooling操作，例如求和、均值、最大值等操作得到整张图的图特征，得到图特征之后就可以进行图相关的任务了，例如图匹配、图分类等。 图神经网络和游走模型的区别： 游走模型需要先训练得到embedding，再利用embedding做下游任务，如分类等。而图神经网络是端对端模型，边训练节点边做下游任务。 理解的图卷积网络三大问题： 如何从图像卷积类比到图结构卷积； .
百度图神经网络7日打卡营--DAY01前半部分 总结
TEDDY的博客
11-28 794
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...
百度飞桨强化学习（1）
qq_37668436的博客
08-09 1128
基础 高等数学 线性代数（向量空间的变换思想） 概率与数理统计（期望，方差） Python:numpy 神经网络 强化学习 两种学习方法 基于价值 基于策略 乌龟环境 首先本地下载PARL： git clone git@github.com:PaddlePaddle/PARL.git 用pycharm打开PARL的工程 进到第一节课的文件下： cd D:\py_code\PARL\examples\tutorials\lesson1 在pycharm的终端输入python进入交互式编程：
百度李伟彬：基于PGL的图神经网络基线系统
读芯术的博客
06-06 1663
不到现场，照样看最干货的学术报告！嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现...
百度paddle神经网络学习日记（一）
qq_44263007的博客
03-31 1116
百度paddle神经网络学习日记（一） ** 百度paddle神经网络学习的第一天 ** 做为笔记来记录学习的七天，今天是第一天！ 话不多说，直接进入主题。 ** 1.查看是否安装paddle库： 任何疑问可以访问：https://aistudio.baidu.com/ 自行查阅 import paddle.fluid paddle.fluid.install_check.run_check() ...
飞浆图神经网络7日打卡营 “no module named ‘paddle.nn‘ “
qq_43465278的博客
03-20 7831
问题描述： 在学习飞浆的图神经网络7日打卡营时，使用notebook运行示例代码，出现“no module named ‘paddle.nn’ ",还有可能报关于pgl包的一些错误。 原因分析： 这时paddlepaddle和pgl版本的原因，在线环境的paddlepaddle版本下运行就会报上面这个错误 解决方案： !pip install paddlepaddle==1.8.5 # 安装PaddlePaddle !pip install pgl==1.2.1 # 安装PGL 运行前执行上面代码，安
第十五期“AI未来说·青年学术论坛”带你了解大数据运用
读芯术的博客
06-03 1471
全文共1184字，预计学习时长3分钟2020年5月30日，第15期“AI未来说·青年学术论坛”大数据专场论坛以“线上平台直播+微信社群图文直播”形式举行。本次论坛邀请了复旦大学计算机科学...
PGL图学习
weixin_41741485的博客
11-24 1901
图学习初印象什么是图什么是图学习图学习的应用图学习如何做图学习库简介PGL使用环境安装使用PGL来创建一张图 什么是图 图的两个基本元素：点、边 图是一种同意描述复杂事物的语言 常见的图：社交网络、推荐系统、化学分子结构… 什么是图学习 图学习：Graph Learning。深度学习中的一个子领域，强调处理的数据对象为图。 与一般深度学习的区别：能够方便处理不规则数据（树、图），同时也可以处理规则数据（如图像）。 图学习的应用 三大类应用： 节点级别任务：金融诈骗检测（典型的节点分类）、自动驾驶中
llama神经网络的结构，llama-3-8b.layers=32 llama-3-70b.layers=80； 2000汉字举例说明
最新发布
m0_64752471的博客
09-10 794
AI大模型全套学习资料“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
Datawhale第四次打卡：机器学习第五章——神经网络与感知机详解
在"Datawhale第四次打卡"的机器学习第五章笔记中，我们深入探讨了神经网络的基础概念和算法。章节首先介绍了神经元模型，它是神经网络的基本构建单元，接收来自其他神经元的加权输入，通过激活函数处理后产生输出。...
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