摘要：
PyTorch图神经网络（五） 1.WL测试 之前讲了用图神经网络对节点进行分类，这里则是对图进行分类，思路来自于WL测试。WL测试旨在构建图的规范形式，具体做法为： 1.一开始对每个节点赋予相同的颜色或者标签 2.每个节点拼接自己和邻居的标签（原文说的聚合可能会产生误解） 3.结果 阅读全文
posted @ 2025-09-23 20:59
爱露查
阅读(11)
评论(0)
推荐(0)
摘要：
PyTorch图神经网络（四） 1.GraphSAGE 从这里开始的第三篇，开始将更加偏向实际使用的图神经网络了。GraphSAGE是一种图神经网络架构，旨在处理大型图。 邻居采样： 这里引入了一个基本概念：小批量。在大型图中，我们无法考虑图中的所有信息，因此，我们只能考虑节点以及他的邻居。 阅读全文
posted @ 2025-09-23 20:05
爱露查
阅读(14)
评论(0)
推荐(0)
摘要：
PyTorch图神经网络（三） 1.图注意力网络（GAT） 之前提到的图卷积网络其实已经包含了图注意力网络的思想，他用节点的度来衡量节点的重要性，这样就会使得邻居较少的节点比其他节点更加重要。图注意力网络解决了这种方法的局限性，他把归一化矩阵拓展成注意力矩阵，得到的公式为（写成单个嵌入的形式，便 阅读全文
posted @ 2025-09-23 14:39
爱露查
阅读(21)
评论(0)
推荐(0)
浙公网安备 33010602011771号