图神经网络
文章平均质量分 73
君威1995
这个作者很懒,什么都没留下…
展开
-
六月组队学习总结-图神经网络
引言作为一名管理学的博士生,过去仅仅是使用传统的数据挖掘方法来做相关研究,因为畏难情绪和单打独斗的现状,导致自己一直没有敢于踏入主流的深度学习研究中。因此,我非常感谢 Datawhale 组织提供的学习资料和学习环境,推动我走出了深入学习计算机前沿知识的第一步,让我发现深度学习没有难道让人不知所措,还是可以通过投入时间和精力、虚心请教认真实践去掌握的。过去的收获Task00:熟悉规则(1天)作为一个小白,组队学习群里的很多专业术语对我来说都是全新的。笨鸟先飞,我首先自学了 Markdown原创 2021-07-10 19:57:20 · 130 阅读 · 0 评论 -
按需获取的数据集构建及图预测实践
待补充...原创 2021-07-08 09:03:50 · 117 阅读 · 0 评论 -
基于图神经网络的图表征学习方法
图表征学习是指将整个图表示成低维、实值、稠密的向量形式,用来对整个图结构进行分析,包括图分类、图之间的相似性计算等。 相比之前的图节点,图的表征学习更加复杂,但构建的方法是建立在图节点表征的基础之上。为了高效地理解图表征学习的原理、掌握实现图表征的的工具和方法,本文先从最早的图表征方法开始介绍,然后介绍基于GNN的图表征学习方法及其Python实践。1. 最早的图表征方法:Weisfeiler-Leman1.1 图同构(Graph Isomorphism)同构图是图论中的一个重要概念,一般认为如原创 2021-07-05 22:17:22 · 2497 阅读 · 2 评论 -
图数据集的构建以及基于图的节点分类和边预测
程序 = 数据结构 + 算法。若想使用 PyTorch geometric 中各种有用的模型和函数,数据集的结构必须符合 PyG 的既定标准,例如 PyG 自带的 Planetoid 等数据集类。为了处理自己独有的数据集,我们必须掌握如何将原始数据转化为对应的数据集类。PyG 构建数据集分两种, 一种继承 torch_geometric.data.InMemoryDataset,一次性加载所有数据到内存;另一种继承torch_geometric.data.Dataset, 分次加载到内存。对于占用内存有原创 2021-07-03 09:53:59 · 5483 阅读 · 0 评论 -
训练更深和更大的图神经网络
训练更深和更大的图神经网络引言深度学习的成功经验告诉我们,更多的训练数据、更深的网络结构能够达到更高的性能。然而,普通的基于 SGD(随机梯度下降)的方法在训练大规模 GNN(图神经网络)时面临着两个难以忍受的问题(资源消耗随图神经网络层数呈指数型增长):训练时间长、消耗空间大。为了降低训练模型时的资源消耗、提高训练速度,进而拓展图神经网络模型的泛用性,提出更高效的训练方法是非常有必要的。综上,本文将介绍并比较几种主流的新训练方法,并对其中最有效的 Cluster-GCN 方法开展 Python原创 2021-07-01 11:07:23 · 1107 阅读 · 0 评论